Buchumschlag

Physics-Informed Neural Networks For Semiconductor Film Deposition: A Review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Han, Tao, Taheri, Zahra, Ko, Hyunwoong
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

Generative Machine Learning in Adaptive Control of Dynamic Manufacturing Processes: A Review
von: Lee, Suk Ki, et al.
Veröffentlicht: (2025)

Riemannian Diffusion Models on General Manifolds via Physics-Informed Neural Networks
von: Ko, Gyeonghoon, et al.
Veröffentlicht: (2026)

A Domain Adaptation of Large Language Models for Classifying Mechanical Assembly Components
von: Elhambakhsh, Fatemeh, et al.
Veröffentlicht: (2025)

MP-GFormer: A 3D-Geometry-Aware Dynamic Graph Transformer Approach for Machining Process Planning
von: Elhambakhsh, Fatemeh, et al.
Veröffentlicht: (2025)

Generative Model Predictive Control in Manufacturing Processes: A Review
von: Lee, Suk Ki, et al.
Veröffentlicht: (2025)

Conformalized Physics-Informed Neural Networks
von: Podina, Lena, et al.
Veröffentlicht: (2024)

Leveraging heterogeneity for identifiability: Bayesian order-based learning of multiple DAGs
von: Chang, Hyunwoong, et al.
Veröffentlicht: (2026)

Dimension-free Relaxation Times of Informed MCMC Samplers on Discrete Spaces
von: Chang, Hyunwoong, et al.
Veröffentlicht: (2024)

Identifiability of the minimum-trace directed acyclic graph and hill climbing algorithms without strict local optima under weakly increasing error variances
von: Chang, Hyunwoong, et al.
Veröffentlicht: (2025)

On the Theory of Continual Learning with Gradient Descent for Neural Networks
von: Taheri, Hossein, et al.
Veröffentlicht: (2025)

Finite-PINN: A Physics-Informed Neural Network with Finite Geometric Encoding for Solid Mechanics
von: Li, Haolin, et al.
Veröffentlicht: (2024)

Complex Physics-Informed Neural Network
von: Si, Chenhao, et al.
Veröffentlicht: (2025)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks and Extensions
von: Raissi, Maziar, et al.
Veröffentlicht: (2024)

Sharper Guarantees for Learning Neural Network Classifiers with Gradient Methods
von: Taheri, Hossein, et al.
Veröffentlicht: (2024)

Statistical Guarantees for Approximate Stationary Points of Shallow Neural Networks
von: Taheri, Mahsa, et al.
Veröffentlicht: (2022)

Physical Informed Neural Networks for modeling ocean pollutant
von: Battina, Karishma, et al.
Veröffentlicht: (2025)

Fourier Feature Pyramids for Physics-Informed Neural Networks
von: Zhao, Brandon, et al.
Veröffentlicht: (2026)

Functional Tensor Decompositions for Physics-Informed Neural Networks
von: Vemuri, Sai Karthikeya, et al.
Veröffentlicht: (2024)

Architectural Strategies for the optimization of Physics-Informed Neural Networks
von: Saratchandran, Hemanth, et al.
Veröffentlicht: (2024)

The Challenges of the Nonlinear Regime for Physics-Informed Neural Networks
von: Bonfanti, Andrea, et al.
Veröffentlicht: (2024)

A Bayesian Framework for Symmetry Inference in Chaotic Attractors
von: Ghanem, Ziad, et al.
Veröffentlicht: (2025)

Design Your Own Universe: A Physics-Informed Agnostic Method for Enhancing Graph Neural Networks
von: Shi, Dai, et al.
Veröffentlicht: (2024)

Perception-Informed Neural Networks: Beyond Physics-Informed Neural Networks
von: Mazandarani, Mehran, et al.
Veröffentlicht: (2025)

Dual-Balancing for Physics-Informed Neural Networks
von: Zhou, Chenhong, et al.
Veröffentlicht: (2025)

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

Densely Multiplied Physics Informed Neural Networks
von: Jiang, Feilong, et al.
Veröffentlicht: (2024)

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

Guaranteeing Conservation of Integrals with Projection in Physics-Informed Neural Networks
von: Baez, Anthony, et al.
Veröffentlicht: (2025)

Coordinate Encoding on Linear Grids for Physics-Informed Neural Networks
von: Tsuchino, Tetsuro, et al.
Veröffentlicht: (2026)

Randomized Physics-Informed Neural Networks for Bayesian Data Assimilation
von: Zong, Yifei, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network for Concrete Manufacturing Process Optimization
von: Varghese, Sam, et al.
Veröffentlicht: (2024)

jinns: a JAX Library for Physics-Informed Neural Networks
von: Gangloff, Hugo, et al.
Veröffentlicht: (2024)

RoPINN: Region Optimized Physics-Informed Neural Networks
von: Wu, Haixu, et al.
Veröffentlicht: (2024)

Guaranteeing Conservation Laws with Projection in Physics-Informed Neural Networks
von: Baez, Anthony, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks and Neural Operators for Parametric PDEs
von: Zhang, Zhuo, et al.
Veröffentlicht: (2025)

Robustness Certificates for Neural Networks against Adversarial Attacks
von: Taheri, Sara, et al.
Veröffentlicht: (2025)

Data vs. Physics: The Apparent Pareto Front of Physics-Informed Neural Networks
von: Rohrhofer, Franz M., et al.
Veröffentlicht: (2021)

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)