Buchumschlag

Graph-Based Learning of Free Surface Dynamics in Generalized Newtonian Fluids using Smoothed Particle Hydrodynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Hyo-Jin, Kim, Jaekwang, Park, Hyung-Jun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

JAX-SPH: A Differentiable Smoothed Particle Hydrodynamics Framework
von: Toshev, Artur P., et al.
Veröffentlicht: (2024)

Comparative Analysis of Granular Material Flow: Discrete Element Method and Smoothed Particle Hydrodynamics Approaches
von: Kim, Jaekwang, et al.
Veröffentlicht: (2025)

Approaches to conservative Smoothed Particle Hydrodynamics with entropy
von: Pavelka, Michal, et al.
Veröffentlicht: (2024)

CFDBench: A Large-Scale Benchmark for Machine Learning Methods in Fluid Dynamics
von: Luo, Yining, et al.
Veröffentlicht: (2023)

Machine Learning Visualization Tool for Exploring Parameterized Hydrodynamics
von: Jekel, C. F., et al.
Veröffentlicht: (2024)

Inpainting Computational Fluid Dynamics with Deep Learning
von: Shu, Dule, et al.
Veröffentlicht: (2024)

Combining Machine Learning with Computational Fluid Dynamics using OpenFOAM and SmartSim
von: Maric, Tomislav, et al.
Veröffentlicht: (2024)

Optimal Parallelization Strategies for Active Flow Control in Deep Reinforcement Learning-Based Computational Fluid Dynamics
von: Jia, Wang, et al.
Veröffentlicht: (2024)

Interpretable A-posteriori Error Indication for Graph Neural Network Surrogate Models
von: Barwey, Shivam, et al.
Veröffentlicht: (2023)

OmniFluids: Physics Pre-trained Modeling of Fluid Dynamics
von: Zhang, Rui, et al.
Veröffentlicht: (2025)

The compressible Neural Particle Method for Simulating Compressible Viscous Fluid Flows
von: Shibukawa, Masato, et al.
Veröffentlicht: (2025)

A review on Deep Reinforcement Learning for Fluid Mechanics
von: Garnier, Paul, et al.
Veröffentlicht: (2019)

AeTHERON: Autoregressive Topology-aware Heterogeneous Graph Operator Network for Fluid-Structure Interaction
von: Kumar, Sushrut
Veröffentlicht: (2026)

Generative Learning for Forecasting the Dynamics of Complex Systems
von: Gao, Han, et al.
Veröffentlicht: (2024)

LLM4Fluid: Large Language Models as Generalizable Neural Solvers for Fluid Dynamics
von: Xiao, Qisong, et al.
Veröffentlicht: (2026)

Koopman Autoencoders with Continuous-Time Latent Dynamics for Fluid Dynamics Forecasting
von: Grozavescu, Rares, et al.
Veröffentlicht: (2026)

Transported Memory Networks accelerating Computational Fluid Dynamics
von: Schulz, Matthias, et al.
Veröffentlicht: (2025)

Spectrally Informed Learning of Fluid Flows
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2024)

LinguaFluid: Language Guided Fluid Control via Semantic Rewards in Reinforcement Learning
von: Liang, Aoming, et al.
Veröffentlicht: (2025)

Adaptive Sampling for Hydrodynamic Stability
von: Singh, Anshima, et al.
Veröffentlicht: (2025)

Neural SPH: Improved Neural Modeling of Lagrangian Fluid Dynamics
von: Toshev, Artur P., et al.
Veröffentlicht: (2024)

A three-dimensional numerical scheme for modeling three-phase contact line pinning using Smoothed Particle Hydrodynamics
von: Nayak, Subrat Kumar, et al.
Veröffentlicht: (2025)

An ALE-Consistent Graph Neural Operator-Transformer Framework for Fluid-Structure Interaction
von: Zhao, Shihang, et al.
Veröffentlicht: (2026)

Patient-Scale Blood Flow Analysis in Artery Stent Implantation via Smoothed-Particle Hydrodynamics
von: Zhou, Jinlei, et al.
Veröffentlicht: (2025)

DeepLag: Discovering Deep Lagrangian Dynamics for Intuitive Fluid Prediction
von: Ma, Qilong, et al.
Veröffentlicht: (2024)

DiffFluid: Plain Diffusion Models are Effective Predictors of Flow Dynamics
von: Luo, Dongyu, et al.
Veröffentlicht: (2024)

Coupling Machine Learning Local Predictions with a Computational Fluid Dynamics Solver to Accelerate Transient Buoyant Plume Simulations
von: Caron, Clément, et al.
Veröffentlicht: (2024)

A Misleading Gallery of Fluid Motion by Generative Artificial Intelligence
von: Kashefi, Ali
Veröffentlicht: (2024)

Contactless Precision Steering of Particles in a Fluid inside a Cube with Rotating Walls
von: Amoudruz, Lucas, et al.
Veröffentlicht: (2025)

Data-Driven Reduced-Complexity Modeling of Fluid Flows: A Community Challenge
von: Schmidt, Oliver T., et al.
Veröffentlicht: (2026)

Special Relativistic Smoothed Particle Hydrodynamics Based on Riemann Solver
von: Kitajima, Kanta, et al.
Veröffentlicht: (2025)

Neural Kinematic Bases for Fluids
von: Liu, Yibo, et al.
Veröffentlicht: (2025)

Surface tension and wetting at free surfaces in Smoothed Particle Hydrodynamics
von: Blank, Michael, et al.
Veröffentlicht: (2023)

A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
von: Gao, Rui, et al.
Veröffentlicht: (2022)

Operator Learning for Surrogate Modeling of Wave-Induced Forces from Sea Surface Waves
von: Cai, Shukai, et al.
Veröffentlicht: (2026)

Incremental Model Order Reduction of Smoothed-Particle Hydrodynamic Simulations
von: Di Costanzo, Eduardo, et al.
Veröffentlicht: (2025)

Adaptive Diffusion Posterior Sampling for Data and Model Fusion of Complex Nonlinear Dynamical Systems
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2026)

LAViG-FLOW: Latent Autoregressive Video Generation for Fluid Flow Simulations
von: De Pellegrini, Vittoria, et al.
Veröffentlicht: (2026)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)