Buchumschlag

Transported Memory Networks accelerating Computational Fluid Dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schulz, Matthias, Jouan, Gwendal, Berger, Daniel, Gavranovic, Stefan, Hartmann, Dirk
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Inpainting Computational Fluid Dynamics with Deep Learning
von: Shu, Dule, et al.
Veröffentlicht: (2024)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

Combining Machine Learning with Computational Fluid Dynamics using OpenFOAM and SmartSim
von: Maric, Tomislav, et al.
Veröffentlicht: (2024)

HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2026)

OmniFluids: Physics Pre-trained Modeling of Fluid Dynamics
von: Zhang, Rui, et al.
Veröffentlicht: (2025)

Optimal Parallelization Strategies for Active Flow Control in Deep Reinforcement Learning-Based Computational Fluid Dynamics
von: Jia, Wang, et al.
Veröffentlicht: (2024)

A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
von: Gao, Rui, et al.
Veröffentlicht: (2022)

LLM4Fluid: Large Language Models as Generalizable Neural Solvers for Fluid Dynamics
von: Xiao, Qisong, et al.
Veröffentlicht: (2026)

Coupling Machine Learning Local Predictions with a Computational Fluid Dynamics Solver to Accelerate Transient Buoyant Plume Simulations
von: Caron, Clément, et al.
Veröffentlicht: (2024)

Koopman Autoencoders with Continuous-Time Latent Dynamics for Fluid Dynamics Forecasting
von: Grozavescu, Rares, et al.
Veröffentlicht: (2026)

Neural SPH: Improved Neural Modeling of Lagrangian Fluid Dynamics
von: Toshev, Artur P., et al.
Veröffentlicht: (2024)

DeepLag: Discovering Deep Lagrangian Dynamics for Intuitive Fluid Prediction
von: Ma, Qilong, et al.
Veröffentlicht: (2024)

DiffFluid: Plain Diffusion Models are Effective Predictors of Flow Dynamics
von: Luo, Dongyu, et al.
Veröffentlicht: (2024)

Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

LinguaFluid: Language Guided Fluid Control via Semantic Rewards in Reinforcement Learning
von: Liang, Aoming, et al.
Veröffentlicht: (2025)

VICON: Vision In-Context Operator Networks for Multi-Physics Fluid Dynamics Prediction
von: Cao, Yadi, et al.
Veröffentlicht: (2024)

HydroGym: A Reinforcement Learning Platform for Fluid Dynamics
von: Lagemann, Christian, et al.
Veröffentlicht: (2025)

Neural Physics: Using AI Libraries to Develop Physics-Based Solvers for Incompressible Computational Fluid Dynamics
von: Chen, Boyang, et al.
Veröffentlicht: (2024)

Spectrally Informed Learning of Fluid Flows
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2024)

Transfer learning strategies for accelerating reinforcement-learning-based flow control
von: Salehi, Saeed
Veröffentlicht: (2025)

Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time
von: Xu, Jingxuan, et al.
Veröffentlicht: (2025)

A Misleading Gallery of Fluid Motion by Generative Artificial Intelligence
von: Kashefi, Ali
Veröffentlicht: (2024)

The compressible Neural Particle Method for Simulating Compressible Viscous Fluid Flows
von: Shibukawa, Masato, et al.
Veröffentlicht: (2025)

Online learning to accelerate nonlinear PDE solvers: applied to multiphase porous media flow
von: Silva, Vinicius L S, et al.
Veröffentlicht: (2025)

Comparison of CNN-based deep learning architectures for unsteady CFD acceleration on small datasets
von: Khanal, Sangam, et al.
Veröffentlicht: (2025)

FD-Bench: A Modular and Fair Benchmark for Data-driven Fluid Simulation
von: Wang, Haixin, et al.
Veröffentlicht: (2025)

Fluids You Can Trust: Property-Preserving Operator Learning for Incompressible Flows
von: Sharma, Ramansh, et al.
Veröffentlicht: (2026)

LAViG-FLOW: Latent Autoregressive Video Generation for Fluid Flow Simulations
von: De Pellegrini, Vittoria, et al.
Veröffentlicht: (2026)

An ALE-Consistent Graph Neural Operator-Transformer Framework for Fluid-Structure Interaction
von: Zhao, Shihang, et al.
Veröffentlicht: (2026)

Neural Kinematic Bases for Fluids
von: Liu, Yibo, et al.
Veröffentlicht: (2025)

WindsorML: High-Fidelity Computational Fluid Dynamics Dataset For Automotive Aerodynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2024)

FlowPrecision: Advancing FPGA-Based Real-Time Fluid Flow Estimation with Linear Quantization
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

Deep Operator Learning for High-Fidelity Fluid Flow Field Reconstruction from Sparse Sensor Measurements
von: Dang, Hiep Vo, et al.
Veröffentlicht: (2024)

Predicting Energy Budgets in Droplet Dynamics: A Recurrent Neural Network Approach
von: de Aguiar, Diego A., et al.
Veröffentlicht: (2024)

Hybrid machine learning models based on physical patterns to accelerate CFD simulations: a short guide on autoregressive models
von: Sengupta, Arindam, et al.
Veröffentlicht: (2025)

CFDBench: A Large-Scale Benchmark for Machine Learning Methods in Fluid Dynamics
von: Luo, Yining, et al.
Veröffentlicht: (2023)

An Adaptive Machine Learning Framework for Fluid Flow in Dual-Network Porous Media
von: Maduri, V. S., et al.
Veröffentlicht: (2026)

Targeted Digital Twin via Flow Map Learning and Its Application to Fluid Dynamics
von: Chen, Qifan, et al.
Veröffentlicht: (2025)

DSO: Dual-Scale Neural Operators for Stable Long-term Fluid Dynamics Forecasting
von: Dong, Huanshuo, et al.
Veröffentlicht: (2026)

Spatio-Temporal Fluid Dynamics Modeling via Physical-Awareness and Parameter Diffusion Guidance
von: Wu, Hao, et al.
Veröffentlicht: (2024)