Buchumschlag

DRIFT-Net: A Spectral--Coupled Neural Operator for PDEs Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Jiayi, Salim, Flora D.
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

SGNO: Spectral Generator Neural Operators for Stable Long Horizon PDE Rollouts
von: Li, Jiayi, et al.
Veröffentlicht: (2026)

Walsh-Hadamard Neural Operators for Solving PDEs with Discontinuous Coefficients
von: Cavallazzi, Giorgio M., et al.
Veröffentlicht: (2025)

DeepONet Augmented by Randomized Neural Networks for Efficient Operator Learning in PDEs
von: Jiang, Zhaoxi, et al.
Veröffentlicht: (2025)

Neural Chaos: A Spectral Stochastic Neural Operator
von: Bahmani, Bahador, et al.
Veröffentlicht: (2025)

LFR-PINO: A Layered Fourier Reduced Physics-Informed Neural Operator for Parametric PDEs
von: Wang, Jing, et al.
Veröffentlicht: (2025)

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

Efficient High-Accuracy PDEs Solver with the Linear Attention Neural Operator
von: Zhong, Ming, et al.
Veröffentlicht: (2025)

Structure-Preserving Learning Improves Geometry Generalization in Neural PDEs
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2026)

TENG: Time-Evolving Natural Gradient for Solving PDEs With Deep Neural Nets Toward Machine Precision
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

Incremental Spatial and Spectral Learning of Neural Operators for Solving Large-Scale PDEs
von: George, Robert Joseph, et al.
Veröffentlicht: (2022)

Localized PCA-Net Neural Operators for Scalable Solution Reconstruction of Elliptic PDEs
von: Dhingra, Mrigank, et al.
Veröffentlicht: (2025)

Mitigating Spectral Bias in Neural Operators via High-Frequency Scaling for Physical Systems
von: Khodakarami, Siavash, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Solving Derivative-Constrained PDEs
von: Hoshisashi, Kentaro, et al.
Veröffentlicht: (2026)

Equilibrium Conserving Neural Operators for Super-Resolution Learning
von: Oommen, Vivek, et al.
Veröffentlicht: (2025)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

Hermite-NGP: Gradient-Augmented Hash Encoding for Learning PDEs
von: He, Jinjin, et al.
Veröffentlicht: (2026)

Physics-informed Partitioned Coupled Neural Operator for Complex Networks
von: Wu, Weidong, et al.
Veröffentlicht: (2024)

SPDEBench: An Extensive Benchmark for Learning Stochastic PDEs
von: Zhu, Yuantu, et al.
Veröffentlicht: (2025)

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

Spectral Reach: Understanding Neural Scaling as Progress into the Spectral Tail
von: Nikolaou, Konstantin, et al.
Veröffentlicht: (2026)

Neural Operators for Accelerating Scientific Simulations and Design
von: Azizzadenesheli, Kamyar, et al.
Veröffentlicht: (2023)

A Resolution Independent Neural Operator
von: Bahmani, Bahador, et al.
Veröffentlicht: (2024)

Teaching Artificial Intelligence to Perform Rapid, Resolution-Invariant Grain Growth Modeling via Fourier Neural Operator
von: Peivaste, Iman, et al.
Veröffentlicht: (2025)

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

CP-MoE: Consistency-Preserving Mixture-of-Experts for Continual Learning
von: Liu, Yang, et al.
Veröffentlicht: (2026)

PIP$^2$ Net: Physics-informed Partition Penalty Deep Operator Network
von: Mi, Hongjin, et al.
Veröffentlicht: (2025)

Finite Operator Learning: Bridging Neural Operators and Numerical Methods for Efficient Parametric Solution and Optimization of PDEs
von: Rezaei, Shahed, et al.
Veröffentlicht: (2024)

EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2025)

A Physics-informed Multi-resolution Neural Operator
von: Roy, Sumanta, et al.
Veröffentlicht: (2025)

DimINO: Dimension-Informed Neural Operator Learning
von: Song, Yichen, et al.
Veröffentlicht: (2024)

Harnessing Test-time Adaptation for NLU tasks Involving Dialects of English
von: Nguyen, Duke, et al.
Veröffentlicht: (2025)

A-UTE: Advection Informed, Uncertainty Aware Temperature Emulator
von: Saleem, Hira, et al.
Veröffentlicht: (2024)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

Generative Neural Operators through Diffusion Last Layer
von: Park, Sungwon, et al.
Veröffentlicht: (2026)

GemNet: Universal Directional Graph Neural Networks for Molecules
von: Gasteiger, Johannes, et al.
Veröffentlicht: (2021)

Finite Element Neural Network Interpolation. Part I: Interpretable and Adaptive Discretization for Solving PDEs
von: Škardová, Kateřina, et al.
Veröffentlicht: (2024)

Spectral methods for Neural Integral Equations
von: Zappala, Emanuele
Veröffentlicht: (2023)

FluxNet: Learning Capacity-Constrained Local Transport Operators for Conservative and Bounded PDE Surrogates
von: Lan, Zishuo, et al.
Veröffentlicht: (2026)

Neural Quantum Spectral Operator Learning for Solving Partial Differential Equations
von: Kim, Chanyoung, et al.
Veröffentlicht: (2026)

Sumudu Neural Operator for ODEs and PDEs
von: Zelenskiy, Ben, et al.
Veröffentlicht: (2025)