Buchumschlag

PDE-Transformer: Efficient and Versatile Transformers for Physics Simulations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Holzschuh, Benjamin, Liu, Qiang, Kohl, Georg, Thuerey, Nils
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

P3D: Scalable Neural Surrogates for High-Resolution 3D Physics Simulations with Global Context
von: Holzschuh, Benjamin, et al.
Veröffentlicht: (2025)

Flow Matching for Posterior Inference with Simulator Feedback
von: Holzschuh, Benjamin, et al.
Veröffentlicht: (2024)

Tadpole: Autoencoders as Foundation Models for 3D PDEs with Online Learning
von: Liu, Qiang, et al.
Veröffentlicht: (2026)

Benchmarking Autoregressive Conditional Diffusion Models for Turbulent Flow Simulation
von: Kohl, Georg, et al.
Veröffentlicht: (2023)

Uncertainty-aware Surrogate Models for Airfoil Flow Simulations with Denoising Diffusion Probabilistic Models
von: Liu, Qiang, et al.
Veröffentlicht: (2023)

Bias-Constrained Diffusion Schedules for PDE Emulations: Reconstruction Error Minimization and Efficient Unrolled Training
von: Cleï, Constantin Le, et al.
Veröffentlicht: (2026)

Physics-based Deep Learning
von: Thuerey, N., et al.
Veröffentlicht: (2021)

ConFIG: Towards Conflict-free Training of Physics Informed Neural Networks
von: Liu, Qiang, et al.
Veröffentlicht: (2024)

INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers
von: Wei, Hao, et al.
Veröffentlicht: (2025)

Stabilizing Backpropagation Through Time to Learn Complex Physics
von: Schnell, Patrick, et al.
Veröffentlicht: (2024)

CRAFT: Conflict-Resolved Aggregation for Federated Training
von: Wang, Ziqi, et al.
Veröffentlicht: (2026)

PRDP: Progressively Refined Differentiable Physics
von: Bhatia, Kanishk, et al.
Veröffentlicht: (2025)

Physics vs Distributions: Pareto Optimal Flow Matching with Physics Constraints
von: Baldan, Giacomo, et al.
Veröffentlicht: (2025)

Neural Emulator Superiority: When Machine Learning for PDEs Surpasses its Training Data
von: Koehler, Felix, et al.
Veröffentlicht: (2025)

The Unreasonable Effectiveness of Solving Inverse Problems with Neural Networks
von: Holl, Philipp, et al.
Veröffentlicht: (2024)

Differentiability in Unrolled Training of Neural Physics Simulators on Transient Dynamics
von: List, Bjoern, et al.
Veröffentlicht: (2024)

Symmetric Basis Convolutions for Learning Lagrangian Fluid Mechanics
von: Winchenbach, Rene, et al.
Veröffentlicht: (2024)

PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics
von: Franz, Aleksandra, et al.
Veröffentlicht: (2025)

Optimization Landscapes Learned: Proxy Networks Boost Convergence in Physics-based Inverse Problems
von: Goyal, Girnar, et al.
Veröffentlicht: (2025)

Component-Based Machine Learning for Indoor Flow and Temperature Fields Prediction Latent Feature Aggregation and Flow Interaction
von: Wang, Shaofan, et al.
Veröffentlicht: (2025)

APEBench: A Benchmark for Autoregressive Neural Emulators of PDEs
von: Koehler, Felix, et al.
Veröffentlicht: (2024)

Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control
von: Becktepe, Jannis, et al.
Veröffentlicht: (2026)

Linear Transformers are Versatile In-Context Learners
von: Vladymyrov, Max, et al.
Veröffentlicht: (2024)

Where to Add PDE Diffusion in Transformers
von: Zhang, Yukun, et al.
Veröffentlicht: (2025)

tempoGAN: A Temporally Coherent, Volumetric GAN for Super-resolution Fluid Flow
von: Xie, You, et al.
Veröffentlicht: (2018)

diffSPH: Differentiable Smoothed Particle Hydrodynamics for Adjoint Optimization and Machine Learning
von: Winchenbach, Rene, et al.
Veröffentlicht: (2025)

Learning to Estimate Single-View Volumetric Flow Motions without 3D Supervision
von: Franz, Aleksandra, et al.
Veröffentlicht: (2023)

Transformer tricks: Precomputing the first layer
von: Graef, Nils
Veröffentlicht: (2024)

Unisolver: PDE-Conditional Transformers Towards Universal Neural PDE Solvers
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

Learning Physical Simulation with Message Passing Transformer
von: Xu, Zeyi, et al.
Veröffentlicht: (2024)

M2PDE: Compositional Generative Multiphysics and Multi-component PDE Simulation
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Physics-embedded Fourier Neural Network for Partial Differential Equations
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)

SymPlex: A Structure-Aware Transformer for Symbolic PDE Solving
von: Park, Yesom, et al.
Veröffentlicht: (2026)

Guiding diffusion models to reconstruct flow fields from sparse data
von: Amorós-Trepat, Marc, et al.
Veröffentlicht: (2025)

BCAT: A Block Causal Transformer for PDE Foundation Models for Fluid Dynamics
von: Liu, Yuxuan, et al.
Veröffentlicht: (2025)

Light Transport-aware Diffusion Posterior Sampling for Single-View Reconstruction of 3D Volumes
von: Leonard, Ludwic, et al.
Veröffentlicht: (2025)

Physics-Constrained Adaptive Flow Matching for Climate Downscaling
von: Debeire, Kevin, et al.
Veröffentlicht: (2026)

AOT-POT: Adaptive Operator Transformation for Large-Scale PDE Pre-training
von: Lv, Qitan, et al.
Veröffentlicht: (2026)

Automating Versatile Time-Series Analysis with Tiny Transformers on Embedded FPGAs
von: Ling, Tianheng, et al.
Veröffentlicht: (2025)

Text2PDE: Latent Diffusion Models for Accessible Physics Simulation
von: Zhou, Anthony, et al.
Veröffentlicht: (2024)