Buchumschlag

Multi-Level Monte Carlo Training of Neural Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rowbottom, James, Fresca, Stefania, Lio, Pietro, Schönlieb, Carola-Bibiane, Boullé, Nicolas
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

Christoffel-DPS: Optimal sensor placement in diffusion posterior sampling for arbitrary distributions
von: Rowbottom, James, et al.
Veröffentlicht: (2026)

Graph Neural Regularizers for PDE Inverse Problems
von: Lauga, William, et al.
Veröffentlicht: (2025)

G-Adaptivity: optimised graph-based mesh relocation for finite element methods
von: Rowbottom, James, et al.
Veröffentlicht: (2024)

Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2024)

Expressivity of Bi-Lipschitz Normalizing Flows: A Score-Based Diffusion Perspective
von: Iske, Meira, et al.
Veröffentlicht: (2026)

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

Data-driven approaches to inverse problems
von: Schönlieb, Carola-Bibiane, et al.
Veröffentlicht: (2025)

Inverse Evolution Layers: Physics-informed Regularizers for Deep Neural Networks
von: Liu, Chaoyu, et al.
Veröffentlicht: (2023)

HAMLET: Graph Transformer Neural Operator for Partial Differential Equations
von: Bryutkin, Andrey, et al.
Veröffentlicht: (2024)

Deep Network Trainability via Persistent Subspace Orthogonality
von: Massucco, Alex, et al.
Veröffentlicht: (2025)

CATO: Charted Attention for Neural PDE Operators
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2026)

HypeR Adaptivity: Joint $hr$-Adaptive Meshing via Hypergraph Multi-Agent Deep Reinforcement Learning
von: Grillo, Niccolò, et al.
Veröffentlicht: (2025)

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

Approximation theory for 1-Lipschitz ResNets
von: Murari, Davide, et al.
Veröffentlicht: (2025)

Hamiltonian Matching for Symplectic Neural Integrators
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Handling geometrical variability in nonlinear reduced order modeling through Continuous Geometry-Aware DL-ROMs
von: Brivio, Simone, et al.
Veröffentlicht: (2024)

PTPI-DL-ROMs: pre-trained physics-informed deep learning-based reduced order models for nonlinear parametrized PDEs
von: Brivio, Simone, et al.
Veröffentlicht: (2024)

A Mathematical Guide to Operator Learning
von: Boullé, Nicolas, et al.
Veröffentlicht: (2023)

PDE Solvers Should Be Local: Fast, Stable Rollouts with Learned Local Stencils
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2025)

On latent dynamics learning in nonlinear reduced order modeling
von: Farenga, Nicola, et al.
Veröffentlicht: (2024)

Structure-Preserving Operator Learning
von: Bouziani, Nacime, et al.
Veröffentlicht: (2024)

Operator learning without the adjoint
von: Boullé, Nicolas, et al.
Veröffentlicht: (2024)

Monte Carlo-Type Neural Operator for Differential Equations
von: Choutri, Salah Eddine, et al.
Veröffentlicht: (2025)

Operator learning regularization for macroscopic permeability prediction in dual-scale flow problem
von: Runkel, Christina, et al.
Veröffentlicht: (2024)

When is a System Discoverable from Data? Discovery Requires Chaos
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2025)

Deep Spectral Prior
von: Cheng, Yanqi, et al.
Veröffentlicht: (2025)

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

On the Convergence of Hermitian Dynamic Mode Decomposition
von: Boullé, Nicolas, et al.
Veröffentlicht: (2024)

Proximal Langevin Sampling With Inexact Proximal Mapping
von: Ehrhardt, Matthias J., et al.
Veröffentlicht: (2023)

Constrained Ensemble Langevin Monte Carlo
von: Ding, Zhiyan, et al.
Veröffentlicht: (2021)

Message-Passing Monte Carlo: Generating low-discrepancy point sets via Graph Neural Networks
von: Rusch, T. Konstantin, et al.
Veröffentlicht: (2024)

Trustworthy Koopman Operator Learning: Invariance Diagnostics and Error Bounds
von: Conradie, Gustav, et al.
Veröffentlicht: (2026)

Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation
von: Zhang, Rui, et al.
Veröffentlicht: (2023)

Transport Quasi-Monte Carlo
von: Liu, Sifan
Veröffentlicht: (2024)

Muon is Not That Special: Random or Inverted Spectra Work Just as Well
von: Shumaylov, Zakhar, et al.
Veröffentlicht: (2026)

Multiplicative Dynamic Mode Decomposition
von: Boullé, Nicolas, et al.
Veröffentlicht: (2024)

Low Stein Discrepancy via Message-Passing Monte Carlo
von: Kirk, Nathan, et al.
Veröffentlicht: (2025)

Nested Bregman Iterations for Decomposition Problems
von: Wolf, Tobias, et al.
Veröffentlicht: (2024)

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

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