Buchumschlag

Discovering Symbolic Differential Equations with Symmetry Invariants

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Jianke, Bhat, Manu, Hu, Bryan, Cao, Yadi, Dehmamy, Nima, Walters, Robin, Yu, Rose
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AtlasD: Automatic Local Symmetry Discovery
von: Bhat, Manu, et al.
Veröffentlicht: (2025)

Symmetry-Informed Governing Equation Discovery
von: Yang, Jianke, et al.
Veröffentlicht: (2024)

Latent Space Symmetry Discovery
von: Yang, Jianke, et al.
Veröffentlicht: (2023)

Understanding Mode Connectivity via Parameter Space Symmetry
von: Zhao, Bo, et al.
Veröffentlicht: (2025)

Symmetry in Neural Network Parameter Spaces
von: Zhao, Bo, et al.
Veröffentlicht: (2025)

Improving Convergence and Generalization Using Parameter Symmetries
von: Zhao, Bo, et al.
Veröffentlicht: (2023)

Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution
von: Wang, Rui, et al.
Veröffentlicht: (2023)

Discovering Symmetries of ODEs by Symbolic Regression
von: Kahlmeyer, Paul, et al.
Veröffentlicht: (2025)

Think like a Scientist: Physics-guided LLM Agent for Equation Discovery
von: Yang, Jianke, et al.
Veröffentlicht: (2026)

Discovering Governing Equations of Geomagnetic Storm Dynamics with Symbolic Regression
von: Markidis, Stefano, et al.
Veröffentlicht: (2025)

Governing Equation Discovery from Data Based on Differential Invariants
von: Hu, Lexiang, et al.
Veröffentlicht: (2025)

NRGPT: An Energy-based Alternative for GPT
von: Dehmamy, Nima, et al.
Veröffentlicht: (2025)

Symbolic Neural Ordinary Differential Equations
von: Li, Xin, et al.
Veröffentlicht: (2025)

To Augment or Not to Augment? Diagnosing Distributional Symmetry Breaking
von: Lawrence, Hannah, et al.
Veröffentlicht: (2025)

Discovering Mathematical Equations with Diffusion Language Model
von: Han, Xiaoxu, et al.
Veröffentlicht: (2025)

Symbolic Recovery of Differential Equations: The Identifiability Problem
von: Scholl, Philipp, et al.
Veröffentlicht: (2022)

Weak Generative Sampler to Efficiently Sample Invariant Distribution of Stochastic Differential Equation
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

Discovering Interpretable Ordinary Differential Equations from Noisy Data
von: Golder, Rahul, et al.
Veröffentlicht: (2025)

The Empirical Impact of Neural Parameter Symmetries, or Lack Thereof
von: Lim, Derek, et al.
Veröffentlicht: (2024)

Discovering Predictive Relational Object Symbols with Symbolic Attentive Layers
von: Ahmetoglu, Alper, et al.
Veröffentlicht: (2023)

Weak-PDE-Net: Discovering Open-Form PDEs via Differentiable Symbolic Networks and Weak Formulation
von: Li, Xinxin, et al.
Veröffentlicht: (2026)

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

Discovering Mixtures of Structural Causal Models from Time Series Data
von: Varambally, Sumanth, et al.
Veröffentlicht: (2023)

Deep Symbolic Learning: Discovering Symbols and Rules from Perceptions
von: Daniele, Alessandro, et al.
Veröffentlicht: (2022)

Discovering Symmetry Groups with Flow Matching
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

Discovering Invariant Neighborhood Patterns for Heterophilic Graphs
von: Yang, Jinluan, et al.
Veröffentlicht: (2024)

A Bayesian Approach for Discovering Time- Delayed Differential Equation from Data
von: Chowdhury, Debangshu, et al.
Veröffentlicht: (2025)

Discovering Physics-Informed Neural Networks Model for Solving Partial Differential Equations through Evolutionary Computation
von: Zhang, Bo, et al.
Veröffentlicht: (2024)

Small Models, Smarter Learning: The Power of Joint Task Training
von: Both, Csaba, et al.
Veröffentlicht: (2025)

Discovering Partially Known Ordinary Differential Equations: a Case Study on the Chemical Kinetics of Cellulose Degradation
von: Bragone, Federica, et al.
Veröffentlicht: (2025)

Self-Supervised Learning with Lie Symmetries for Partial Differential Equations
von: Mialon, Grégoire, et al.
Veröffentlicht: (2023)

Neuro-Symbolic Imitation Learning: Discovering Symbolic Abstractions for Skill Learning
von: Keller, Leon, et al.
Veröffentlicht: (2025)

Discovering Governing Equations in the Presence of Uncertainty
von: Olabiyi, Ridwan, et al.
Veröffentlicht: (2025)

Discovering Latent Causal Graphs from Spatiotemporal Data
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Active Symbolic Discovery of Ordinary Differential Equations via Phase Portrait Sketching
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

Discovering Physics Laws of Dynamical Systems via Invariant Function Learning
von: Gui, Shurui, et al.
Veröffentlicht: (2025)

LieAugmenter: Equivariant Learning by Discovering Symmetries with Learnable Augmentations
von: Santos-Escriche, Eduardo, et al.
Veröffentlicht: (2025)

Symmetry-Breaking Descent for Invariant Cost Functionals
von: Osipov, Mikhail
Veröffentlicht: (2025)

Improving Learning to Optimize Using Parameter Symmetries
von: Zamir, Guy, et al.
Veröffentlicht: (2025)

Symmetry-Constrained Language-Guided Program Synthesis for Discovering Governing Equations from Noisy and Partial Observations
von: Baig, Mirza Samad Ahmed, et al.
Veröffentlicht: (2026)