Buchumschlag

GeoFunFlow: Geometric Function Flow Matching for Inverse Operator Learning over Complex Geometries

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Sifan, Wu, Zhikai, van Dijk, David, Lu, Lu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GeoFunFlow-3D: A Physics-Guided Generative Flow Matching Framework for High-Fidelity 3D Aerodynamic Inference over Complex Geometries
von: Jiang, Ruiling, et al.
Veröffentlicht: (2026)

FunDiff: Diffusion Models over Function Spaces for Physics-Informed Generative Modeling
von: Wang, Sifan, et al.
Veröffentlicht: (2025)

TANTE: Time-Adaptive Operator Learning via Neural Taylor Expansion
von: Wu, Zhikai, et al.
Veröffentlicht: (2025)

Flow Matching and Diffusion Models via PointNet for Generating Fluid Fields on Irregular Geometries
von: Kashefi, Ali
Veröffentlicht: (2026)

FlowBench: A Large Scale Benchmark for Flow Simulation over Complex Geometries
von: Tali, Ronak, et al.
Veröffentlicht: (2024)

FlowMM: Generating Materials with Riemannian Flow Matching
von: Miller, Benjamin Kurt, et al.
Veröffentlicht: (2024)

Flexibility-Conditioned Protein Structure Design with Flow Matching
von: Viliuga, Vsevolod, et al.
Veröffentlicht: (2025)

Flower: A Flow-Matching Solver for Inverse Problems
von: Pourya, Mehrsa, et al.
Veröffentlicht: (2025)

Learning Effective Dynamics across Spatio-Temporal Scales of Complex Flows
von: Gao, Han, et al.
Veröffentlicht: (2025)

Learning Straight Flows: Variational Flow Matching for Efficient Generation
von: Ma, Chenrui, et al.
Veröffentlicht: (2025)

Flow Matching for Optimal Reaction Coordinates of Biomolecular System
von: Zhang, Mingyuan, et al.
Veröffentlicht: (2024)

Flow Matching for Accelerated Simulation of Atomic Transport in Crystalline Materials
von: Nam, Juno, et al.
Veröffentlicht: (2024)

Boltzmann Generators for Condensed Matter via Riemannian Flow Matching
von: Hoffmann, Emil, et al.
Veröffentlicht: (2026)

Flow Priors for Linear Inverse Problems via Iterative Corrupted Trajectory Matching
von: Zhang, Yasi, et al.
Veröffentlicht: (2024)

Energy Guided Geometric Flow Matching
von: Zweig, Aaron, et al.
Veröffentlicht: (2025)

From Fourier to Neural ODEs: Flow Matching for Modeling Complex Systems
von: Li, Xin, et al.
Veröffentlicht: (2024)

Conditional Flow Matching for Probabilistic Downscaling of Maximum 3-day Snowfall in Alaska
von: Brinkerhoff, Douglas, et al.
Veröffentlicht: (2026)

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

Discrete Flow Matching Policy Optimization
von: Su, Maojiang, et al.
Veröffentlicht: (2026)

Flow Matching on General Geometries
von: Chen, Ricky T. Q., et al.
Veröffentlicht: (2023)

Discrete Solution Operator Learning for Geometry-Dependent PDEs
von: Bai, Jinshuai, et al.
Veröffentlicht: (2026)

Equivariant Flow Matching for Symmetry-Breaking Bifurcation Problems
von: Hendriks, Fleur, et al.
Veröffentlicht: (2025)

Edit Flows: Flow Matching with Edit Operations
von: Havasi, Marton, et al.
Veröffentlicht: (2025)

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

Fast and Flexible Probabilistic Forecasting of Dynamical Systems using Flow Matching and Physical Perturbation
von: Rout, Siddharth, et al.
Veröffentlicht: (2025)

Quantum Flow Matching
von: Cui, Zidong, et al.
Veröffentlicht: (2025)

P-Flow: Proxy-gradient Flows for Linear Inverse Problems
von: Jiang, Zehua, et al.
Veröffentlicht: (2026)

Stochastic Flow Matching for Resolving Small-Scale Physics
von: Fotiadis, Stathi, et al.
Veröffentlicht: (2024)

D-Flow SGLD: Source-Space Posterior Sampling for Scientific Inverse Problems with Flow Matching
von: Parikh, Meet Hemant, et al.
Veröffentlicht: (2026)

Saving Foundation Flow-Matching Priors for Inverse Problems
von: Wan, Yuxiang, et al.
Veröffentlicht: (2025)

(HB-ARFM) History-Bootstrapped Flow Matching for Inverse Boiling Reconstruction
von: Zou, Xianwei, et al.
Veröffentlicht: (2026)

Neural-POD: A Plug-and-Play Neural Operator Framework for Infinite-Dimensional Functional Nonlinear Proper Orthogonal Decomposition
von: Mou, Changhong, et al.
Veröffentlicht: (2026)

Generalized Flow Matching for Transition Dynamics Modeling
von: Wang, Haibo, et al.
Veröffentlicht: (2024)

Multi-resolution Physics-Aware Recurrent Convolutional Neural Network for Complex Flows
von: Cheng, Xinlun, et al.
Veröffentlicht: (2025)

The Coupling Within: Flow Matching via Distilled Normalizing Flows
von: Berthelot, David, et al.
Veröffentlicht: (2026)

Generative Replica-Exchange: A Flow-based Framework for Accelerating Replica Exchange Simulations
von: Huang, Shengjie, et al.
Veröffentlicht: (2026)

Loss Landscape Geometry and the Learning of Symmetries: Or, What Influence Functions Reveal About Robust Generalization
von: Amarel, James, et al.
Veröffentlicht: (2026)

SciDesignBench: Benchmarking and Improving Language Models for Scientific Inverse Design
von: van Dijk, David, et al.
Veröffentlicht: (2026)

Flow-Factory: A Unified Framework for Reinforcement Learning in Flow-Matching Models
von: Ping, Bowen, et al.
Veröffentlicht: (2026)

Enforcing hidden physics in physics-informed neural networks
von: Chen, Nanxi, et al.
Veröffentlicht: (2025)