Buchumschlag

S$^2$GPT-PINNs: Sparse and Small models for PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ji, Yajie, Chen, Yanlai, Koohy, Shawn
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning 65M70, 65N99, 68U99, 68T07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Polynomial-Augmented Neural Networks (PANNs) with Weak Orthogonality Constraints for Enhanced Function and PDE Approximation
von: Cooley, Madison, et al.
Veröffentlicht: (2024)

GAS: A Gaussian Mixture Distribution-Based Adaptive Sampling Method for PINNs
von: Jiao, Yuling, et al.
Veröffentlicht: (2023)

Efficient kernel surrogates for neural network-based regression
von: Qadeer, Saad, et al.
Veröffentlicht: (2023)

Neural Network Element Method for Partial Differential Equations
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

Solving High Dimensional Partial Differential Equations Using Tensor Neural Network and A Posteriori Error Estimators
von: Wang, Yifan, et al.
Veröffentlicht: (2023)

EGPT-PINN: Entropy-enhanced Generative Pre-Trained Physics Informed Neural Networks for parameterized nonlinear conservation laws
von: Ji, Yajie, et al.
Veröffentlicht: (2025)

ARDO: A Weak Formulation Deep Neural Network Method for Elliptic and Parabolic PDEs Based on Random Differences of Test Functions
von: Cai, Wei, et al.
Veröffentlicht: (2025)

Enforcing boundary conditions for physics-informed neural operators
von: Göschel, Niklas, et al.
Veröffentlicht: (2025)

Computing Optimal Transport Maps and Wasserstein Barycenters Using Conditional Normalizing Flows
von: Visentin, Gabriele, et al.
Veröffentlicht: (2025)

A reduced order model for domain decompositions with non-conforming interfaces
von: Zappon, Elena, et al.
Veröffentlicht: (2022)

Coupling-Robust Accuracy in Multiphysics Physics Informed Neural Networks via Kronecker-Preconditioned Optimization
von: Park, Youngjae, et al.
Veröffentlicht: (2026)

A Structure-Preserving Framework for Solving Parabolic Partial Differential Equations with Neural Networks
von: Chen, Gaohang, et al.
Veröffentlicht: (2025)

Recurrent Neural Operators: Stable Long-Term PDE Prediction
von: Ye, Zaijun, et al.
Veröffentlicht: (2025)

Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver
von: Sittoni, Pietro, et al.
Veröffentlicht: (2026)

A Theory-guided Weighted $L^2$ Loss for solving the BGK model via Physics-informed neural networks
von: Ko, Gyounghun, et al.
Veröffentlicht: (2026)

Data-Free Asymptotics-Informed Operator Networks for Singularly Perturbed PDEs
von: Lee, Jinsil, et al.
Veröffentlicht: (2025)

PODNO: Proper Orthogonal Decomposition Neural Operators
von: Cheng, Zilan, et al.
Veröffentlicht: (2025)

Enriched Physics-informed Neural Networks for Dynamic Poisson-Nernst-Planck Systems
von: Huang, Xujia, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks: A Didactic Derivation of the Complete Training Cycle
von: Tahimi, Abdeladhim
Veröffentlicht: (2026)

Regularity Analysis and Tensor Neural Network Methods for Quasiperiodic Elliptic Equations
von: Ren, Jingze, et al.
Veröffentlicht: (2026)

How Can Deep Neural Networks Fail Even With Global Optima?
von: Guan, Qingguang
Veröffentlicht: (2024)

Discontinuous Galerkin finite element operator network for solving non-smooth PDEs
von: Chawla, Kapil, et al.
Veröffentlicht: (2026)

Minimum Width of Leaky-ReLU Neural Networks for Uniform Universal Approximation
von: Li, Li'ang, et al.
Veröffentlicht: (2023)

Vanilla Feedforward Neural Networks as a Discretization of Dynamical Systems
von: Duan, Yifei, et al.
Veröffentlicht: (2022)

Machine Learning-based quadratic closures for non-intrusive Reduced Order Models
von: Codega, Gabriele, et al.
Veröffentlicht: (2025)

The lowest-order Neural Approximated Virtual Element Method on polygonal elements
von: Berrone, Stefano, et al.
Veröffentlicht: (2024)

Leveraging viscous Hamilton-Jacobi PDEs for uncertainty quantification in scientific machine learning
von: Zou, Zongren, et al.
Veröffentlicht: (2024)

Deep Neural ODE Operator Networks for PDEs
von: Li, Ziqian, et al.
Veröffentlicht: (2025)

RONOM: Reduced-Order Neural Operator Modeling
von: Dummer, Sven, et al.
Veröffentlicht: (2025)

Error bounds for Physics Informed Neural Networks in Generalized KdV Equations placed on unbounded domains
von: Freire, Ricardo, et al.
Veröffentlicht: (2026)

Deep asymptotic expansion method for solving singularly perturbed time-dependent reaction-advection-diffusion equations
von: Zhu, Qiao, et al.
Veröffentlicht: (2025)

Discretization of non-uniform rational B-spline (NURBS) models for meshless isogeometric analysis
von: Duh, Urban, et al.
Veröffentlicht: (2023)

Bézier curves and the Takagi function
von: Ptackova, Lenka, et al.
Veröffentlicht: (2024)

All Equalities Are Equal, but Some Are More Equal Than Others: The Effect of Implementation Aliasing on the Numerical Solution to Conservation Equations
von: Trojak, Will, et al.
Veröffentlicht: (2019)

Deep Micro Solvers for Rough-Wall Stokes Flow in a Heterogeneous Multiscale Method
von: Ström, Emanuel, et al.
Veröffentlicht: (2025)

Stochastic approach for elliptic problems in perforated domains
von: Han, Jihun, et al.
Veröffentlicht: (2024)

Solving Schrödinger Equation Using Tensor Neural Network
von: Liao, Yangfei, et al.
Veröffentlicht: (2022)

Neural Ordinary Differential Equations for Model Order Reduction of Stiff Systems
von: Caldana, Matteo, et al.
Veröffentlicht: (2024)

Gaussian Variational Schemes on Bounded and Unbounded Domains
von: Actor, Jonas A., et al.
Veröffentlicht: (2024)

Learning the boundary-to-domain mapping using Lifting Product Fourier Neural Operators for partial differential equations
von: Kashi, Aditya, et al.
Veröffentlicht: (2024)