Buchumschlag

Latent Mamba Operator for Partial Differential Equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tiwari, Karn, Dutta, Niladri, Krishnan, N M Anoop, P, Prathosh A
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

CoNO: Complex Neural Operator for Continous Dynamical Physical Systems
von: Tiwari, Karn, et al.
Veröffentlicht: (2024)

CoNOAir: A Neural Operator for Forecasting Carbon Monoxide Evolution in Cities
von: Bedi, Sanchit, et al.
Veröffentlicht: (2025)

GeoMaNO: Geometric Mamba Neural Operator for Partial Differential Equations
von: Han, Xi, et al.
Veröffentlicht: (2025)

Diffeomorphic Latent Neural Operators for Data-Efficient Learning of Solutions to Partial Differential Equations
von: Ahmad, Zan, et al.
Veröffentlicht: (2024)

Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations
von: Shi, Dai, et al.
Veröffentlicht: (2026)

GITO: Graph-Informed Transformer Operator for Learning Complex Partial Differential Equations
von: Ramezankhani, Milad, et al.
Veröffentlicht: (2025)

Partially Blinded Unlearning: Class Unlearning for Deep Networks a Bayesian Perspective
von: Panda, Subhodip, et al.
Veröffentlicht: (2024)

WLNO: Wavelet-Laplace Neural Operator for Solving Partial Differential Equations
von: Abid, Muhammad, et al.
Veröffentlicht: (2026)

Physics-Informed Laplace Neural Operator for Solving Partial Differential Equations
von: Kim, Heechang, et al.
Veröffentlicht: (2026)

Coupled Multiwavelet Neural Operator Learning for Coupled Partial Differential Equations
von: Xiao, Xiongye, et al.
Veröffentlicht: (2023)

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

Leveraging Text Guidance for Enhancing Demographic Fairness in Gender Classification
von: Krishnan, Anoop
Veröffentlicht: (2025)

Wiener Chaos Expansion based Neural Operator for Singular Stochastic Partial Differential Equations
von: Shi, Dai, et al.
Veröffentlicht: (2026)

Late Fusion Neural Operators for Extrapolation Across Parameter Space in Partial Differential Equations
von: van Tegelen, Eva, et al.
Veröffentlicht: (2026)

Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
von: Chen, Biao, et al.
Veröffentlicht: (2026)

Generalization Limits of In-Context Operator Networks for Higher-Order Partial Differential Equations
von: Mahowald, Jamie, et al.
Veröffentlicht: (2026)

Solving Partial Differential Equations in Different Domains by Operator Learning method Based on Boundary Integral Equations
von: Meng, Bin, et al.
Veröffentlicht: (2024)

Neural Quantum Spectral Operator Learning for Solving Partial Differential Equations
von: Kim, Chanyoung, et al.
Veröffentlicht: (2026)

Self-supervised Pretraining for Partial Differential Equations
von: Madhavan, Varun, et al.
Veröffentlicht: (2024)

Learning Solution Operators for Partial Differential Equations via Monte Carlo-Type Approximation
von: Choutri, Salah Eddine, et al.
Veröffentlicht: (2025)

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

Towards a Foundation Model for Partial Differential Equations: Multi-Operator Learning and Extrapolation
von: Sun, Jingmin, et al.
Veröffentlicht: (2024)

Are LLMs Ready for Real-World Materials Discovery?
von: Miret, Santiago, et al.
Veröffentlicht: (2024)

Neural Green's Operators for Parametric Partial Differential Equations
von: Melchers, Hugo, et al.
Veröffentlicht: (2024)

Diffusion-Based Stochastic Operator Networks for Uncertainty Quantification in Stochastic Partial Differential Equations
von: Huynh, Phuoc-Toan, et al.
Veröffentlicht: (2026)

Second-Order Tensorial Partial Differential Equations on Graphs
von: Einizade, Aref, et al.
Veröffentlicht: (2025)

Particle-Guided Diffusion Models for Partial Differential Equations
von: Millard, Andrew, et al.
Veröffentlicht: (2026)

Disentangled Representation Learning for Parametric Partial Differential Equations
von: Liu, Ning, et al.
Veröffentlicht: (2024)

Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks
von: Katende, Ronald
Veröffentlicht: (2025)

Scale-Consistent Learning for Partial Differential Equations
von: Li, Zongyi, et al.
Veröffentlicht: (2025)

Pseudo-Differential Neural Operator: Generalized Fourier Neural Operator for Learning Solution Operators of Partial Differential Equations
von: Shin, Jin Young, et al.
Veröffentlicht: (2022)

AMGenC: Generating Charge Balanced Amorphous Materials
von: Lin, Yan, et al.
Veröffentlicht: (2026)

Multi-scale Time-stepping of Partial Differential Equations with Transformers
von: Hemmasian, AmirPouya, et al.
Veröffentlicht: (2023)

Solving Partial Differential Equations with Equivariant Extreme Learning Machines
von: Harder, Hans, et al.
Veröffentlicht: (2024)

A Differentiable Bayesian Relaxation for Latent Partial-Order Inference
von: Li, Dongqing, et al.
Veröffentlicht: (2026)

ConDiff: A Challenging Dataset for Neural Solvers of Partial Differential Equations
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2024)

Improving the Noise Estimation of Latent Neural Stochastic Differential Equations
von: Heck, Linus, et al.
Veröffentlicht: (2024)

Muti-Fidelity Prediction and Uncertainty Quantification with Laplace Neural Operators for Parametric Partial Differential Equations
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

SDE Matching: Scalable and Simulation-Free Training of Latent Stochastic Differential Equations
von: Bartosh, Grigory, et al.
Veröffentlicht: (2025)

Deep Parallel Spectral Neural Operators for Solving Partial Differential Equations with Enhanced Low-Frequency Learning Capability
von: Ma, Qinglong, et al.
Veröffentlicht: (2024)