Buchumschlag

FIGNN: Feature-Specific Interpretability for Graph Neural Network Surrogate Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Raut, Riddhiman, Maulik, Romit, Barwey, Shivam
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Interpretable A-posteriori Error Indication for Graph Neural Network Surrogate Models
von: Barwey, Shivam, et al.
Veröffentlicht: (2023)

A note on the error analysis of data-driven closure models for large eddy simulations of turbulence
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2024)

Interpretable Diagnostics and Adaptive Data Assimilation for Neural ODEs via Discrete Empirical Interpolation
von: Kim, Hojin, et al.
Veröffentlicht: (2025)

Mesh-based Super-Resolution of Fluid Flows with Multiscale Graph Neural Networks
von: Barwey, Shivam, et al.
Veröffentlicht: (2024)

Adaptive Diffusion Posterior Sampling for Data and Model Fusion of Complex Nonlinear Dynamical Systems
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2026)

Understanding Latent Timescales in Neural Ordinary Differential Equation Models for Advection-Dominated Dynamical Systems
von: Nair, Ashish S., et al.
Veröffentlicht: (2024)

Multiscale Graph Neural Network for Turbulent Flow-Thermal Prediction Around a Complex-Shaped Pin-Fin
von: Raut, Riddhiman, et al.
Veröffentlicht: (2025)

Jacobian-Scaled K-means Clustering for Physics-Informed Segmentation of Reacting Flows
von: Barwey, Shivam, et al.
Veröffentlicht: (2023)

Higher order quantum reservoir computing for non-intrusive reduced-order models
von: Jain, Vinamr, et al.
Veröffentlicht: (2024)

Binned Spectral Power Loss for Improved Prediction of Chaotic Systems
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2025)

Generalizable data-driven turbulence closure modeling on unstructured grids with differentiable physics
von: Kim, Hojin, et al.
Veröffentlicht: (2023)

Differentiable Turbulence: Closure as a partial differential equation constrained optimization
von: Shankar, Varun, et al.
Veröffentlicht: (2023)

Deep Learning of Solver-Aware Turbulence Closures from Nudged LES Dynamics
von: Suriyanarayanan, Ashwin, et al.
Veröffentlicht: (2026)

Data-Driven Physics-Informed Neural Networks: A Digital Twin Perspective
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

Physics-Informed Graph Neural Network Surrogates for Turbulent Nanoparticle Dispersion in Dental Clinical Environments
von: Shende, Takshak, et al.
Veröffentlicht: (2026)

Robust experimental data assimilation for the Spalart-Allmaras turbulence model
von: Aulakh, Deepinder Jot Singh, et al.
Veröffentlicht: (2023)

Harnessing Equivariance: Modeling Turbulence with Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Towards Multi-Fidelity Scaling Laws of Neural Surrogates in CFD
von: Setinek, Paul, et al.
Veröffentlicht: (2025)

Geometric and Physical Constraints Synergistically Enhance Neural PDE Surrogates
von: Huang, Yunfei, et al.
Veröffentlicht: (2025)

Neural Operator-Based Surrogate Model for CFD:Helical Coil Steam Generator in Small Modular Reactor
von: Lee, Minseo, et al.
Veröffentlicht: (2026)

Chemical Timescale Effects on Detonation Convergence
von: Barwey, Shivam, et al.
Veröffentlicht: (2024)

Differentiable Autoencoding Neural Operator for Interpretable and Integrable Latent Space Modeling
von: Viknesh, Siva, et al.
Veröffentlicht: (2025)

A Kernel-based Resource-efficient Neural Surrogate for Multi-fidelity Prediction of Aerodynamic Field
von: Sarker, Apurba, et al.
Veröffentlicht: (2025)

Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection
von: Markmann, Thorben, et al.
Veröffentlicht: (2024)

MeshMask: Physics-Based Simulations with Masked Graph Neural Networks
von: Garnier, Paul, et al.
Veröffentlicht: (2025)

Surrogate Modeling of 3D Rayleigh-Benard Convection with Equivariant Autoencoders
von: Fromme, Fynn, et al.
Veröffentlicht: (2025)

Invariant Control Strategies for Active Flow Control using Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Mean flow data assimilation using physics-constrained Graph Neural Networks
von: Quattromini, M., et al.
Veröffentlicht: (2024)

A Multimodal Vision Transformer-based Modeling Framework for Prediction of Fluid Flows in Energy Systems
von: Yalamanchi, Kiran, et al.
Veröffentlicht: (2026)

RiemannONets: Interpretable Neural Operators for Riemann Problems
von: Peyvan, Ahmad, et al.
Veröffentlicht: (2024)

Learning Pore-scale Multi-phase Flow from Experimental Data with Graph Neural Network
von: Gu, Yuxuan, et al.
Veröffentlicht: (2024)

Signal-Aware Conditional Diffusion Surrogates for Transonic Wing Pressure Prediction
von: Francés-Belda, Víctor, et al.
Veröffentlicht: (2026)

Addressing A Posteriori Performance Degradation in Neural Network Subgrid Stress Models
von: Wu, Andy, et al.
Veröffentlicht: (2025)

GLOBE: Accurate and Generalizable PDE Surrogates using Domain-Inspired Architectures and Equivariances
von: Sharpe, Peter
Veröffentlicht: (2025)

Non-intrusive Learning of Physics-Informed Spatio-temporal Surrogate for Accelerating Design
von: Mondal, Sudeepta, et al.
Veröffentlicht: (2026)

GIMLET: Generalizable and Interpretable Model Learning through Embedded Thermodynamics
von: Shiratori, Suguru, et al.
Veröffentlicht: (2025)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

Multi-scale Dynamic Wake Modeling and Prediction of Floating Offshore Wind Turbines via Physics-Informed Neural Networks and Fourier Neural Operators
von: Dong, Guodan, et al.
Veröffentlicht: (2026)

Challenges and Advancements in Modeling Shock Fronts with Physics-Informed Neural Networks: A Review and Benchmarking Study
von: Abbasi, Jassem, et al.
Veröffentlicht: (2025)

Deep Neural Networks with 3D Point Clouds for Empirical Friction Measurements in Hydrodynamic Flood Models
von: Haces-Garcia, Francisco, et al.
Veröffentlicht: (2024)