Buchumschlag

Noisy PDE Training Requires Bigger PINNs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Andre-Sloan, Sebastien, Mukherjee, Anirbit, Colbrook, Matthew
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Investigating the Ability of PINNs To Solve Burgers' PDE Near Finite-Time BlowUp
von: Kumar, Dibyakanti, et al.
Veröffentlicht: (2023)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

Generalization Bounds for Physics-Informed Neural Networks for the Incompressible Navier-Stokes Equations
von: Andre-Sloan, Sebastien, et al.
Veröffentlicht: (2026)

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

When and Why Adversarial Training Improves PINNs: A Neural Tangent Kernel Perspective
von: Cao, Yuan-dong, et al.
Veröffentlicht: (2026)

Symbolic Graph Networks for Robust PDE Discovery from Noisy Sparse Data
von: Chen, Xingyu, et al.
Veröffentlicht: (2026)

Ambient Physics: Training Neural PDE Solvers with Partial Observations
von: Majid, Harris Abdul, et al.
Veröffentlicht: (2026)

AI Should Sense Better, Not Just Scale Bigger: Adaptive Sensing as a Paradigm Shift
von: Baek, Eunsu, et al.
Veröffentlicht: (2025)

Gradient-Informed Temporal Sampling Improves Rollout Accuracy in PDE Surrogate Training
von: Wang, Wenshuo, et al.
Veröffentlicht: (2026)

CANDERE-COACH: Reinforcement Learning from Noisy Feedback
von: Li, Yuxuan, et al.
Veröffentlicht: (2024)

REAct: Rational Exponential Activation for Better Learning and Generalization in PINNs
von: Mishra, Sourav, et al.
Veröffentlicht: (2025)

Physics-Guided Transformer (PGT): Physics-Aware Attention Mechanism for PINNs
von: Zeraatkar, Ehsan, et al.
Veröffentlicht: (2026)

Fast Adversarial Training against Sparse Attacks Requires Loss Smoothing
von: Zhong, Xuyang, et al.
Veröffentlicht: (2025)

Mask-PINNs: Mitigating Internal Covariate Shift in Physics-Informed Neural Networks
von: Jiang, Feilong, et al.
Veröffentlicht: (2025)

Quantifying constraint hierarchies in Bayesian PINNs via per-constraint Hessian decomposition
von: Landgren, Filip
Veröffentlicht: (2025)

Tensor-Compressed and Fully-Quantized Training of Neural PDE Solvers
von: Lu, Jinming, et al.
Veröffentlicht: (2025)

Is Bigger Edit Batch Size Always Better? -- An Empirical Study on Model Editing with Llama-3
von: Yoon, Junsang, et al.
Veröffentlicht: (2024)

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

On conditional diffusion models for PDE simulations
von: Shysheya, Aliaksandra, et al.
Veröffentlicht: (2024)

Global Convergence of SGD On Two Layer Neural Nets
von: Gopalani, Pulkit, et al.
Veröffentlicht: (2022)

LE-PDE++: Mamba for accelerating PDEs Simulations
von: Liang, Aoming, et al.
Veröffentlicht: (2024)

Flow marching for a generative PDE foundation model
von: Chen, Zituo, et al.
Veröffentlicht: (2025)

SFO: Learning PDE Operators via Spectral Filtering
von: Koren, Noam, et al.
Veröffentlicht: (2026)

Towards Understanding the Influence of Training Samples on Explanations
von: Artelt, André, et al.
Veröffentlicht: (2024)

Building Trust in PINNs: Error Estimation through Finite Difference Methods
von: Krasowski, Aleksander, et al.
Veröffentlicht: (2026)

From PINNs to PIKANs: Recent Advances in Physics-Informed Machine Learning
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2024)

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

ANO : Faster is Better in Noisy Landscape
von: Kegreisz, Adrien
Veröffentlicht: (2025)

High-dimensional Learning with Noisy Labels
von: Firdoussi, Aymane El, et al.
Veröffentlicht: (2024)

VRPO: Rethinking Value Modeling for Robust RL Training under Noisy Supervision
von: Zhu, Dingwei, et al.
Veröffentlicht: (2025)

Generative Latent Neural PDE Solver using Flow Matching
von: Li, Zijie, et al.
Veröffentlicht: (2025)

KO: Kinetics-inspired Neural Optimizer with PDE Simulation Approaches
von: Feng, Mingquan, et al.
Veröffentlicht: (2025)

Operator Learning with Domain Decomposition for Geometry Generalization in PDE Solving
von: Huang, Jianing, et al.
Veröffentlicht: (2025)

BWLer: Barycentric Weight Layer Elucidates a Precision-Conditioning Tradeoff for PINNs
von: Liu, Jerry, et al.
Veröffentlicht: (2025)

A Randomized PDE Energy driven Iterative Framework for Efficient and Stable PDE Solutions
von: Bing, Yi, et al.
Veröffentlicht: (2026)

Continuous-Time Attention: PDE-Guided Mechanisms for Long-Sequence Transformers
von: Zhang, Yukun, et al.
Veröffentlicht: (2025)

Conditional Clifford-Steerable CNNs with Complete Kernel Basis for PDE Modeling
von: Szarvas, Bálint László, et al.
Veröffentlicht: (2025)

From Basis to Basis: Gaussian Particle Representation for Interpretable PDE Operators
von: Li, Zhihao, et al.
Veröffentlicht: (2026)

Structure-Aware Epistemic Uncertainty Quantification for Neural Operator PDE Surrogates
von: Song, Haoze, et al.
Veröffentlicht: (2026)

Scaling Context Requires Rethinking Attention
von: Gelada, Carles, et al.
Veröffentlicht: (2025)