Buchumschlag

Learning finite symmetry groups of dynamical systems via equivariance detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Calvo-Barlés, Pablo, Rodrigo, Sergio G., Martín-Moreno, Luis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Physics Machine Learning Chaotic Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deconstructing Recurrence, Attention, and Gating: Investigating the transferability of Transformers and Gated Recurrent Neural Networks in forecasting of dynamical systems
von: Heidenreich, Hunter S., et al.
Veröffentlicht: (2024)

Generative learning for nonlinear dynamics
von: Gilpin, William
Veröffentlicht: (2023)

Zero-shot forecasting of chaotic systems
von: Zhang, Yuanzhao, et al.
Veröffentlicht: (2024)

Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics
von: Ahmed, Osama, et al.
Veröffentlicht: (2024)

Tailored Forecasting from Short Time Series via Meta-learning
von: Norton, Declan A., et al.
Veröffentlicht: (2025)

Using Machine Learning and Neural Networks to Analyze and Predict Chaos in Multi-Pendulum and Chaotic Systems
von: Ramachandruni, Vasista, et al.
Veröffentlicht: (2025)

Invariant Measures in Time-Delay Coordinates for Unique Dynamical System Identification
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2024)

Sparse identification of quasipotentials via a combined data-driven method
von: Lin, Bo, et al.
Veröffentlicht: (2024)

Learning Beyond Experience: Generalizing to Unseen State Space with Reservoir Computing
von: Norton, Declan A., et al.
Veröffentlicht: (2025)

Building symmetries into data-driven manifold dynamics models for complex flows: application to two-dimensional Kolmogorov flow
von: De Jesús, Carlos E. Pérez, et al.
Veröffentlicht: (2023)

Transformers for dynamical systems learn transfer operators in-context
von: Bao, Anthony, et al.
Veröffentlicht: (2026)

On the weight dynamics of learning networks
von: Sharafi, Nahal, et al.
Veröffentlicht: (2024)

Context parroting: A simple but tough-to-beat baseline for foundation models in scientific machine learning
von: Zhang, Yuanzhao, et al.
Veröffentlicht: (2025)

GEN2: A Generative Prediction-Correction Framework for Long-time Emulations of Spatially-Resolved Climate Extremes
von: Wang, Mengze, et al.
Veröffentlicht: (2025)

Beyond Static Models: Hypernetworks for Adaptive and Generalizable Forecasting in Complex Parametric Dynamical Systems
von: Vlachas, Pantelis R., et al.
Veröffentlicht: (2025)

Data-Driven Reduced-Complexity Modeling of Fluid Flows: A Community Challenge
von: Schmidt, Oliver T., et al.
Veröffentlicht: (2026)

Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Deficiency of equation-finding approach to data-driven modeling of dynamical systems
von: Zhai, Zheng-Meng, et al.
Veröffentlicht: (2025)

Robust quantum reservoir computers for forecasting chaotic dynamics: generalized synchronization and stability
von: Ahmed, Osama, et al.
Veröffentlicht: (2025)

Can Transformers predict system collapse in dynamical systems?
von: Zhai, Zheng-Meng, et al.
Veröffentlicht: (2026)

pynamicalsys: A Python toolkit for the analysis of dynamical systems
von: Sales, Matheus Rolim, et al.
Veröffentlicht: (2025)

Learning more physically realistic dynamics in machine-learning based weather forecasting with latent-space constraints
von: Fan, Hang, et al.
Veröffentlicht: (2025)

Multiple Descents in Deep Learning as a Sequence of Order-Chaos Transitions
von: Wei, Wenbo, et al.
Veröffentlicht: (2025)

Hierarchy of extreme-event predictability in turbulence revealed by machine learning
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Machine-learning optimized measurements of chaotic dynamical systems via the information bottleneck
von: Murphy, Kieran A., et al.
Veröffentlicht: (2023)

Discovering the dynamics of \emph{Sargassum} rafts' centers of mass
von: Beron-Vera, Francisco J., et al.
Veröffentlicht: (2025)

Stability analysis of chaotic systems in latent spaces
von: Özalp, Elise, et al.
Veröffentlicht: (2024)

Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble
von: Bocquet, Marc, et al.
Veröffentlicht: (2024)

Fourier neural operators for spatiotemporal dynamics in two-dimensional turbulence
von: Atif, Mohammad, et al.
Veröffentlicht: (2024)

Inferring stability properties of chaotic systems on autoencoders' latent spaces
von: Özalp, Elise, et al.
Veröffentlicht: (2024)

Regularization of ML models for Earth systems by using longer model timesteps
von: Parthipan, Raghul, et al.
Veröffentlicht: (2025)

Inferring bifurcation diagrams of two distinct chaotic systems by a single machine
von: Guo, Jianmin, et al.
Veröffentlicht: (2026)

Data-driven Mori-Zwanzig modeling of Lagrangian particle dynamics in turbulent flows
von: de Wit, Xander, et al.
Veröffentlicht: (2025)

A posteriori closure of turbulence models: are symmetries preserved?
von: Freitas, André, et al.
Veröffentlicht: (2025)

Panda: A pretrained forecast model for chaotic dynamics
von: Lai, Jeffrey, et al.
Veröffentlicht: (2025)

Learning with Mandelbrot and Julia
von: Tjahjono, V. R., et al.
Veröffentlicht: (2025)

A Numerical Proof of Shell Model Turbulence Closure
von: Ortali, Giulio, et al.
Veröffentlicht: (2022)

Data-driven model order reduction for structures with piecewise linear nonlinearity using dynamic mode decomposition
von: Saito, Akira, et al.
Veröffentlicht: (2026)

Characterizing Nonlinear Dynamics via Smooth Prototype Equivalences
von: Friedman, Roy, et al.
Veröffentlicht: (2025)

Machine Learning for Predicting Chaotic Systems
von: Schötz, Christof, et al.
Veröffentlicht: (2024)