Buchumschlag

Fragment size density estimator for shrinkage-induced fracture based on a physics-informed neural network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ito, Shin-ichi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Physics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PINNverse: Accurate parameter estimation in differential equations from noisy data with constrained physics-informed neural networks
von: Almanstötter, Marius, et al.
Veröffentlicht: (2025)

Self-adaptive weighting and sampling for physics-informed neural networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2025)

Astral: training physics-informed neural networks with error majorants
von: Fanaskov, Vladimir, et al.
Veröffentlicht: (2024)

Lagged backward-compatible physics-informed neural networks for unsaturated soil consolidation analysis
von: Li, Dong, et al.
Veröffentlicht: (2026)

Universality of physical neural networks with multivariate nonlinearity
von: Savinson, Benjamin, et al.
Veröffentlicht: (2025)

Hard-constraining Neumann boundary conditions in physics-informed neural networks via Fourier feature embeddings
von: Straub, Christopher, et al.
Veröffentlicht: (2025)

Improving ideal MHD equilibrium accuracy with physics-informed neural networks
von: Thun, Timo, et al.
Veröffentlicht: (2025)

Physics-informed neural wavefields with Gabor basis functions
von: Alkhalifah, Tariq, et al.
Veröffentlicht: (2023)

Metamizer: a versatile neural optimizer for fast and accurate physics simulations
von: Wandel, Nils, et al.
Veröffentlicht: (2024)

Physics-informed neural networks need a physicist to be accurate: the case of mass and heat transport in Fischer-Tropsch catalyst particles
von: Nikolaienko, Tymofii, et al.
Veröffentlicht: (2024)

Physics-informed neural networks and neural operators for a study of EUV electromagnetic wave diffraction from a lithography mask
von: Es'kin, Vasiliy A., et al.
Veröffentlicht: (2025)

Higher-order-ReLU-KANs (HRKANs) for solving physics-informed neural networks (PINNs) more accurately, robustly and faster
von: So, Chi Chiu, et al.
Veröffentlicht: (2024)

A quatum inspired neural network for geometric modeling
von: Du, Weitao, et al.
Veröffentlicht: (2024)

Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation
von: Ghosh, Pratik, et al.
Veröffentlicht: (2023)

On-site estimation of battery electrochemical parameters via transfer learning based physics-informed neural network approach
von: Yeregui, Josu, et al.
Veröffentlicht: (2025)

Two-stage initial-value iterative physics-informed neural networks for simulating solitary waves of nonlinear wave equations
von: Song, Jin, et al.
Veröffentlicht: (2024)

A reduced-order derivative-informed neural operator for subsurface fluid-flow
von: Park, Jeongjin, et al.
Veröffentlicht: (2025)

Inference of dynamical gene regulatory networks from single-cell data with physics informed neural networks
von: Mircea, Maria, et al.
Veröffentlicht: (2024)

SE3Set: Harnessing equivariant hypergraph neural networks for molecular representation learning
von: Wu, Hongfei, et al.
Veröffentlicht: (2024)

Data-driven building energy efficiency prediction using physics-informed neural networks
von: Michalakopoulos, Vasilis, et al.
Veröffentlicht: (2023)

Meta-training of diffractive meta-neural networks for super-resolution direction of arrival estimation
von: Yang, Songtao, et al.
Veröffentlicht: (2025)

Physics-informed neural networks for the shallow-water equations on the sphere
von: Bihlo, Alex, et al.
Veröffentlicht: (2021)

Towards physics-informed neural networks for landslide prediction
von: Dahal, Ashok, et al.
Veröffentlicht: (2024)

Geometry of naturalistic object representations in recurrent neural network models of working memory
von: Lei, Xiaoxuan, et al.
Veröffentlicht: (2024)

A PNP ion channel deep learning solver with local neural network and finite element input data
von: Lee, Hwi, et al.
Veröffentlicht: (2024)

Text classification optimization algorithm based on graph neural network
von: Gao, Erdi, et al.
Veröffentlicht: (2024)

Permutation-equivariant quantum convolutional neural networks
von: Das, Sreetama, et al.
Veröffentlicht: (2024)

Detecting hidden structures from a static loading experiment: topology optimization meets physics-informed neural networks
von: Mowlavi, Saviz, et al.
Veröffentlicht: (2023)

Graph neural network for colliding particles with an application to sea ice floe modeling
von: Zhu, Ruibiao
Veröffentlicht: (2026)

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

Self-adaptive weights based on balanced residual decay rate for physics-informed neural networks and deep operator networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2024)

Bayesian neural networks via MCMC: a Python-based tutorial
von: Chandra, Rohitash, et al.
Veröffentlicht: (2023)

Multi-head automated segmentation by incorporating detection head into the contextual layer neural network
von: Kys, Edwin, et al.
Veröffentlicht: (2026)

Tumor likelihood estimation on MRI prostate data by utilizing k-Space information
von: Rempe, M., et al.
Veröffentlicht: (2024)

Appearance-based gaze estimation enhanced with synthetic images using deep neural networks
von: Herashchenko, Dmytro, et al.
Veröffentlicht: (2023)

Exploiting the equivalence between quantum neural networks and perceptrons
von: Mingard, Chris, et al.
Veröffentlicht: (2024)

Enhancing Programming Education with ChatGPT: A Case Study on Student Perceptions and Interactions in a Python Course
von: Ma, Boxaun, et al.
Veröffentlicht: (2024)

Image space formalism of convolutional neural networks for k-space interpolation
von: Dawood, Peter, et al.
Veröffentlicht: (2024)

Discontinuity-aware KAN-based physics-informed neural networks
von: Lei, Guoqiang, et al.
Veröffentlicht: (2025)

Quantum-tunnelling deep neural network for optical illusion recognition
von: Maksymov, Ivan S.
Veröffentlicht: (2024)