Buchumschlag

Monotone Peridynamic Neural Operator for Nonlinear Material Modeling with Conditionally Unique Solutions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Jihong, Tian, Xiaochuan, Zhang, Zhongqiang, Silling, Stewart, Jafarzadeh, Siavash, Yu, Yue
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Peridynamic Neural Operators: A Data-Driven Nonlocal Constitutive Model for Complex Material Responses
von: Jafarzadeh, Siavash, et al.
Veröffentlicht: (2024)

Nonlocal Attention Operator: Materializing Hidden Knowledge Towards Interpretable Physics Discovery
von: Yu, Yue, et al.
Veröffentlicht: (2024)

Heterogeneous Peridynamic Neural Operators: Discover Biotissue Constitutive Law and Microstructure From Digital Image Correlation Measurements
von: Jafarzadeh, Siavash, et al.
Veröffentlicht: (2024)

Solving Nonlinear PDEs with Sparse Radial Basis Function Networks
von: Shao, Zihan, et al.
Veröffentlicht: (2025)

Newton Informed Neural Operator for Computing Multiple Solutions of Nonlinear Partials Differential Equations
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

Stabilizing and Solving Unique Continuation Problems by Parameterizing Data and Learning Finite Element Solution Operators
von: Burman, Erik, et al.
Veröffentlicht: (2024)

Quantitative Approximation for Neural Operators in Nonlinear Parabolic Equations
von: Furuya, Takashi, et al.
Veröffentlicht: (2024)

Sparse RBF Networks for PDEs and nonlocal equations: function space theory, operator calculus, and training algorithms
von: Shao, Zihan, et al.
Veröffentlicht: (2026)

Long-time Integration of Nonlinear Wave Equations with Neural Operators
von: Lei, Guanhang, et al.
Veröffentlicht: (2024)

Neural Parameter Regression for Explicit Representations of PDE Solution Operators
von: Mundinger, Konrad, et al.
Veröffentlicht: (2024)

Enhancing Solutions for Complex PDEs: Introducing Complementary Convolution and Equivariant Attention in Fourier Neural Operators
von: Zhao, Xuanle, et al.
Veröffentlicht: (2023)

Latent Neural Operator Pretraining for Solving Time-Dependent PDEs
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

ReBaNO: Reduced Basis Neural Operator Mitigating Generalization Gaps and Achieving Discretization Invariance
von: Zheng, Haolan, et al.
Veröffentlicht: (2025)

MODNO: Multi Operator Learning With Distributed Neural Operators
von: Zhang, Zecheng
Veröffentlicht: (2024)

Determinant Estimation under Memory Constraints and Neural Scaling Laws
von: Ameli, Siavash, et al.
Veröffentlicht: (2025)

Nonlocality and Nonlinearity Implies Universality in Operator Learning
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

DeltaPhi: Physical States Residual Learning for Neural Operators in Data-Limited PDE Solving
von: Yue, Xihang, et al.
Veröffentlicht: (2024)

SpectraKAN: Conditioning Spectral Operators
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2026)

Monotone Generative Modeling via a Gromov-Monge Embedding
von: Lee, Wonjun, et al.
Veröffentlicht: (2023)

Universal Approximation of Operators with Transformers and Neural Integral Operators
von: Zappala, Emanuele, et al.
Veröffentlicht: (2024)

Translation Invariance of Neural Operators for the FitzHugh-Nagumo Model
von: Pellegrini, Luca
Veröffentlicht: (2026)

Continuum Attention for Neural Operators
von: Calvello, Edoardo, et al.
Veröffentlicht: (2024)

Mamba Neural Operator: Who Wins? Transformers vs. State-Space Models for PDEs
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2024)

A Discrete Neural Operator with Adaptive Sampling for Surrogate Modeling of Parametric Transient Darcy Flows in Porous Media
von: Chen, Zhenglong, et al.
Veröffentlicht: (2025)

Neural Interpretable PDEs: Harmonizing Fourier Insights with Attention for Scalable and Interpretable Physics Discovery
von: Liu, Ning, et al.
Veröffentlicht: (2025)

Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
von: Pellegrini, Luca, et al.
Veröffentlicht: (2025)

Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers
von: Zhang, Enrui, et al.
Veröffentlicht: (2022)

An Iterative Deep Ritz Method for Monotone Elliptic Problems
von: Hu, Tianhao, et al.
Veröffentlicht: (2025)

Physics-Informed Geometry-Aware Neural Operator
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

A Mathematical Analysis of Neural Operator Behaviors
von: Le, Vu-Anh, et al.
Veröffentlicht: (2024)

Kernel Neural Operators (KNOs) for Scalable, Memory-efficient, Geometrically-flexible Operator Learning
von: Lowery, Matthew, et al.
Veröffentlicht: (2024)

Parallel-in-Time Solutions with Random Projection Neural Networks
von: Betcke, Marta M., et al.
Veröffentlicht: (2024)

WINO: A Weak-Form Physics Informed Neural Operator for Hyperelasticity on Variable Domains
von: Zhu, Bokai, et al.
Veröffentlicht: (2026)

Stochastic Fractional Neural Operators: A Symmetrized Approach to Modeling Turbulence in Complex Fluid Dynamics
von: Santos, Rômulo Damasclin Chaves dos, et al.
Veröffentlicht: (2025)

Multi-Level Monte Carlo Training of Neural Operators
von: Rowbottom, James, et al.
Veröffentlicht: (2025)

Revisiting Orbital Minimization Method for Neural Operator Decomposition
von: Ryu, J. Jon, et al.
Veröffentlicht: (2025)

Neural Operator: Learning Maps Between Function Spaces
von: Kovachki, Nikola, et al.
Veröffentlicht: (2021)

Guaranteed Approximation Bounds for Mixed-Precision Neural Operators
von: Tu, Renbo, et al.
Veröffentlicht: (2023)

Neural-POD: A Plug-and-Play Neural Operator Framework for Infinite-Dimensional Functional Nonlinear Proper Orthogonal Decomposition
von: Mou, Changhong, et al.
Veröffentlicht: (2026)