Buchumschlag

Mesh-Informed Neural Operator : A Transformer Generative Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Yaozhong, Ross, Zachary E., Asimaki, Domniki, Azizzadenesheli, Kamyar
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

Stochastic Process Learning via Operator Flow Matching
von: Shi, Yaozhong, et al.
Veröffentlicht: (2025)

Broadband Ground Motion Synthesis via Generative Adversarial Neural Operators: Development and Validation
von: Shi, Yaozhong, et al.
Veröffentlicht: (2023)

Large-Scale 3D Ground-Motion Synthesis with Physics-Inspired Latent Operator Flow Matching
von: Shi, Yaozhong, et al.
Veröffentlicht: (2026)

Universal Functional Regression with Neural Operator Flows
von: Shi, Yaozhong, et al.
Veröffentlicht: (2024)

Enforcing Reciprocity in Operator Learning for Seismic Wave Propagation
von: Zou, Caifeng, et al.
Veröffentlicht: (2026)

Ambient Noise Full Waveform Inversion with Neural Operators
von: Zou, Caifeng, et al.
Veröffentlicht: (2025)

Calibrated Uncertainty Quantification for Operator Learning via Conformal Prediction
von: Ma, Ziqi, et al.
Veröffentlicht: (2024)

Neural Spline Operators for Risk Quantification in Stochastic Systems
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Neural Operators for Accelerating Scientific Simulations and Design
von: Azizzadenesheli, Kamyar, et al.
Veröffentlicht: (2023)

Neural Operators with Localized Integral and Differential Kernels
von: Liu-Schiaffini, Miguel, et al.
Veröffentlicht: (2024)

Neural Operator: Learning Maps Between Function Spaces
von: Kovachki, Nikola, et al.
Veröffentlicht: (2021)

Principled Approaches for Extending Neural Architectures to Function Spaces for Operator Learning
von: Berner, Julius, et al.
Veröffentlicht: (2025)

Functional Linear Regression of Cumulative Distribution Functions
von: Zhang, Qian, et al.
Veröffentlicht: (2022)

Enabling Automatic Differentiation with Mollified Graph Neural Operators
von: Lin, Ryan Y., et al.
Veröffentlicht: (2025)

Guaranteed Approximation Bounds for Mixed-Precision Neural Operators
von: Tu, Renbo, et al.
Veröffentlicht: (2023)

Deep Neural Helmholtz Operators for 3D Elastic Wave Propagation and Inversion
von: Zou, Caifeng, et al.
Veröffentlicht: (2023)

A Library for Learning Neural Operators
von: Kossaifi, Jean, et al.
Veröffentlicht: (2024)

Ultrasound Lung Aeration Map via Physics-Aware Neural Operators
von: Wang, Jiayun, et al.
Veröffentlicht: (2025)

Equivariant Graph Neural Operator for Modeling 3D Dynamics
von: Xu, Minkai, et al.
Veröffentlicht: (2024)

Multi-task Neural Diffusion Processes
von: Rawson, Joseph, et al.
Veröffentlicht: (2025)

Pretraining Codomain Attention Neural Operators for Solving Multiphysics PDEs
von: Rahman, Md Ashiqur, et al.
Veröffentlicht: (2024)

Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds
von: O'Connell, Michael, et al.
Veröffentlicht: (2022)

Scalable Gaussian Process for Learning Non-Ergodic Ground Motion Model from Physics-Based Simulations with Application to Power Infrastructure Assessment
von: Zhao, Jinyan, et al.
Veröffentlicht: (2026)

Geometry-Informed Neural Operator Transformer
von: Liu, Qibang, et al.
Veröffentlicht: (2025)

Dynamical Measure Transport and Neural PDE Solvers for Sampling
von: Sun, Jingtong, et al.
Veröffentlicht: (2024)

Neural Dynamic Modes: Computational Imaging of Dynamical Systems from Sparse Observations
von: SaraerToosi, Ali, et al.
Veröffentlicht: (2025)

Physics-Aware Neural Operators for Direct Inversion in 3D Photoacoustic Tomography
von: Wang, Jiayun, et al.
Veröffentlicht: (2025)

Neural Tangent Kernel of Neural Networks with Loss Informed by Differential Operators
von: Gan, Weiye, et al.
Veröffentlicht: (2025)

Provable and Practical: Efficient Exploration in Reinforcement Learning via Langevin Monte Carlo
von: Ishfaq, Haque, et al.
Veröffentlicht: (2023)

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

Probabilistic Wind Power Modelling via Heteroscedastic Non-Stationary Gaussian Processes
von: Ladopoulou, Domniki, et al.
Veröffentlicht: (2025)

MeshONet: A Generalizable and Efficient Operator Learning Method for Structured Mesh Generation
von: Xiao, Jing, et al.
Veröffentlicht: (2025)

Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows
von: Zhao, Zelin, et al.
Veröffentlicht: (2025)

MeshODENet: A Graph-Informed Neural Ordinary Differential Equation Neural Network for Simulating Mesh-Based Physical Systems
von: Liu, Kangzheng, et al.
Veröffentlicht: (2025)

Exploring the design space of deep-learning-based weather forecasting systems
von: Siddiqui, Shoaib Ahmed, et al.
Veröffentlicht: (2024)

A supervised approach for improving the dimensionless frequency estimation for time‐domain simulations of building structures on embedded foundations
von: Danilo Kusanovic, et al.
Veröffentlicht: (2024)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

SPIDER: Scalable Probabilistic Inference for Differential Earthquake Relocation
von: Ross, Zachary E., et al.
Veröffentlicht: (2025)

Tipping Point Forecasting in Non-Stationary Dynamics on Function Spaces
von: Liu-Schiaffini, Miguel, et al.
Veröffentlicht: (2023)

Enhancing Physics-Informed Neural Networks Through Feature Engineering
von: Fazliani, Shaghayegh, et al.
Veröffentlicht: (2025)