Buchumschlag

High precision PINNs in unbounded domains: application to singularity formulation in PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yixuan, Liu, Ziming, Li, Zongyi, Anandkumar, Anima, Hou, Thomas Y.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fourier Neural Operator with Learned Deformations for PDEs on General Geometries
von: Li, Zongyi, et al.
Veröffentlicht: (2022)

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

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

Solving Poisson Equations using Neural Walk-on-Spheres
von: Nam, Hong Chul, et al.
Veröffentlicht: (2024)

Decoupled Diffusion Sampling for Inverse Problems on Function Spaces
von: Lin, Thomas Y. L., et al.
Veröffentlicht: (2026)

Guided Diffusion Sampling on Function Spaces with Applications to PDEs
von: Yao, Jiachen, et al.
Veröffentlicht: (2025)

One-Shot Transfer Learning for Nonlinear PDEs with Perturbative PINNs
von: Auroy, Samuel, et al.
Veröffentlicht: (2025)

Deflation-PINNs: Learning Multiple Solutions for PDEs and Landau-de Gennes
von: Disarò, Sean, et al.
Veröffentlicht: (2026)

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

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

DPOT: Auto-Regressive Denoising Operator Transformer for Large-Scale PDE Pre-Training
von: Hao, Zhongkai, et al.
Veröffentlicht: (2024)

RL-PINNs: Reinforcement Learning-Driven Adaptive Sampling for Efficient Training of PINNs
von: Song, Zhenao
Veröffentlicht: (2025)

Learning solution operators of PDEs defined on varying domains via MIONet
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

Understanding the Difficulty of Solving Cauchy Problems with PINNs
von: Wang, Tao, et al.
Veröffentlicht: (2024)

Enhanced BPINN Training Convergence in Solving General and Multi-scale Elliptic PDEs with Noise
von: Hou, Yilong, et al.
Veröffentlicht: (2024)

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

Nonlocality and Nonlinearity Implies Universality in Operator Learning
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

Integral regularization PINNs for evolution equations
von: Feng, Xiaodong, et al.
Veröffentlicht: (2025)

Second Order Ensemble Langevin Method for Sampling and Inverse Problems
von: Liu, Ziming, et al.
Veröffentlicht: (2022)

Stochastic Dimension Implicit Functional Projections for Exact Integral Conservation in High-Dimensional PINNs
von: Liang, Zhangyong
Veröffentlicht: (2026)

A deformation-based framework for learning solution mappings of PDEs defined on varying domains
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

Auto-Adaptive PINNs with Applications to Phase Transitions
von: Buck, Kevin, et al.
Veröffentlicht: (2025)

E-PINNs: Epistemic Physics-Informed Neural Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

Multi-Preconditioned LBFGS for Training Finite-Basis PINNs
von: Salvadó-Benasco, Marc, et al.
Veröffentlicht: (2026)

Accelerating Fractional PINNs using Operational Matrices of Derivative
von: Taheri, Tayebeh, et al.
Veröffentlicht: (2024)

PINNsFailureRegion Localization and Refinement through White-box AdversarialAttack
von: Shi, Shengzhu, et al.
Veröffentlicht: (2023)

Using Parametric PINNs for Predicting Internal and External Turbulent Flows
von: Ghosh, Shinjan, et al.
Veröffentlicht: (2024)

TGPT-PINN: Nonlinear model reduction with transformed GPT-PINNs
von: Chen, Yanlai, et al.
Veröffentlicht: (2024)

Accelerating Natural Gradient Descent for PINNs with Randomized Numerical Linear Algebra
von: Bioli, Ivan, et al.
Veröffentlicht: (2025)

Beyond Derivative Pathology of PINNs: Variable Splitting Strategy with Convergence Analysis
von: Park, Yesom, et al.
Veröffentlicht: (2024)

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

Latent Neural Operator Pretraining for Solving Time-Dependent PDEs
von: Wang, Tian, et al.
Veröffentlicht: (2024)

CP-PINNs: Data-Driven Changepoints Detection in PDEs Using Online Optimized Physics-Informed Neural Networks
von: Dong, Zhikang, et al.
Veröffentlicht: (2022)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
von: Wang, Yixuan
Veröffentlicht: (2026)

Boundary condition enforcement with PINNs: a comparative study and verification on 3D geometries
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Certified machine learning: Rigorous a posteriori error bounds for PDE defined PINNs
von: Hillebrecht, Birgit, et al.
Veröffentlicht: (2022)

LDDMM stochastic interpolants: an application to domain uncertainty quantification in hemodynamics
von: Katz, Sarah, et al.
Veröffentlicht: (2026)

Improving PINNs By Algebraic Inclusion of Boundary and Initial Conditions
von: Ren, Mohan, et al.
Veröffentlicht: (2024)

PINNs error estimates for nonlinear equations in $\mathbb{R}$-smooth Banach spaces
von: Gao, Jiexing, et al.
Veröffentlicht: (2023)

Transolver: A Fast Transformer Solver for PDEs on General Geometries
von: Wu, Haixu, et al.
Veröffentlicht: (2024)