Buchumschlag

Analysis of accuracy and efficiency of neural networks to simulate Navier-Stokes fluid flows with obstacles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hespanha, Rui, McGuire, Elliot, Hespanha, João
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structure tensor Reynolds-averaged Navier-Stokes turbulence models with equivariant neural networks
von: Miller, Aaron, et al.
Veröffentlicht: (2025)

Predicting fluid-structure interaction with graph neural networks
von: Gao, Rui, et al.
Veröffentlicht: (2022)

Equation identification for fluid flows via physics-informed neural networks
von: New, Alexander, et al.
Veröffentlicht: (2024)

A Novel Deep Learning Approach for Emulating Computationally Expensive Postfire Debris Flows
von: Patel, Palak, et al.
Veröffentlicht: (2025)

Reduced-order modeling of unsteady fluid flow using neural network ensembles
von: Halder, Rakesh, et al.
Veröffentlicht: (2024)

Multi-fidelity graph-based neural networks architectures to learn Navier-Stokes solutions on non-parametrized 2D domains
von: Songia, Francesco, et al.
Veröffentlicht: (2026)

Unsupervised simulation of incompressible flows with physics- and equality- constrained artificial neural networks
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

A data free neural operator enabling fast inference of 2D and 3D Navier Stokes equations
von: Choi, Junho, et al.
Veröffentlicht: (2025)

An efficient hp-Variational PINNs framework for incompressible Navier-Stokes equations
von: Anandh, Thivin, et al.
Veröffentlicht: (2024)

RheOFormer: A generative transformer model for simulation of complex fluids and flows
von: Saberi, Maedeh, et al.
Veröffentlicht: (2025)

Generative prediction of flow fields around an obstacle using the diffusion model
von: Hu, Jiajun, et al.
Veröffentlicht: (2024)

Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes
von: Sedykh, Alexandr, et al.
Veröffentlicht: (2023)

Prediction of flow and elastic stresses in a viscoelastic turbulent channel flow using convolutional neural networks
von: Balasubramanian, Arivazhagan G., et al.
Veröffentlicht: (2024)

Bayesian inverse Navier-Stokes problems: joint flow field reconstruction and parameter learning
von: Kontogiannis, Alexandros, et al.
Veröffentlicht: (2024)

RoseNNa: A performant, portable library for neural network inference with application to computational fluid dynamics
von: Bati, Ajay, et al.
Veröffentlicht: (2023)

Super-resolution of turbulent reacting flows on complex meshes using graph neural networks
von: Dash, Priyabrat, et al.
Veröffentlicht: (2026)

Distributed physics-informed neural networks via domain decomposition for fast flow reconstruction
von: Qian, Yixiao, et al.
Veröffentlicht: (2026)

On the locality of local neural operator in learning fluid dynamics
von: Ye, Ximeng, et al.
Veröffentlicht: (2023)

Virtual domain extension for imposing boundary conditions in flow simulation using pre-trained local neural operator
von: Ye, Ximeng, et al.
Veröffentlicht: (2025)

Reconstructing unsteady flows from sparse, noisy measurements with a physics-constrained convolutional neural network
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Learning multi-phase flow and transport in fractured porous media with auto-regressive and recurrent graph neural networks
von: Kobaisi, Mohammed Al, et al.
Veröffentlicht: (2025)

Finite difference physics-informed neural networks enable improved solution accuracy of the Navier-Stokes equations
von: Roy, Nityananda, et al.
Veröffentlicht: (2024)

Physics-informed neural networks modeling for systems with moving immersed boundaries: application to an unsteady flow past a plunging foil
von: Sundar, Rahul, et al.
Veröffentlicht: (2023)

Accelerating Bayesian inverse design in computational fluid dynamics using neural operators
von: Tiwari, Bipin, et al.
Veröffentlicht: (2026)

Inpainting physics: self-supervised learning for context-driven fluid simulation
von: Weidner, Jonas, et al.
Veröffentlicht: (2026)

Solving compressible Navier-Stokes equations using the feature-enhanced neural network
von: Song, Jiahao, et al.
Veröffentlicht: (2026)

Multi-fidelity physics constrained neural networks for dynamical systems
von: Zhou, Hao, et al.
Veröffentlicht: (2024)

Physics-informed neural networks for hidden boundary detection and flow field reconstruction
von: Zhu, Yongzheng, et al.
Veröffentlicht: (2025)

Physics-informed graph neural networks for flow field estimation in carotid arteries
von: Suk, Julian, et al.
Veröffentlicht: (2024)

Efficient temporal prediction of compressible flows in irregular domains using Fourier neural operators
von: Nie, Yifan, et al.
Veröffentlicht: (2026)

Physics-constrained coupled neural differential equations for one dimensional blood flow modeling
von: Csala, Hunor, et al.
Veröffentlicht: (2024)

Solving nonlinear subsonic compressible flow in infinite domain via multi-stage neural networks
von: Qian, Xuehui, et al.
Veröffentlicht: (2026)

Modeling subgrid scale production rates on complex meshes using graph neural networks
von: Dash, Priyabrat, et al.
Veröffentlicht: (2026)

Physics-constrained convolutional neural networks for inverse problems in spatiotemporal partial differential equations
von: Kelshaw, Daniel, et al.
Veröffentlicht: (2024)

Self-adaptive loss balanced Physics-informed neural networks for the incompressible Navier-Stokes equations
von: Xiang, Zixue, et al.
Veröffentlicht: (2021)

FMEnets: Flow, Material, and Energy networks for non-ideal plug flow reactor design
von: Wu, Chenxi, et al.
Veröffentlicht: (2025)

Data assimilation and parameter identification for water waves using the nonlinear Schrödinger equation and physics-informed neural networks
von: Ehlers, Svenja, et al.
Veröffentlicht: (2024)

XRePIT: A deep learning-computational fluid dynamics hybrid framework implemented in OpenFOAM for fast, robust, and scalable unsteady simulations
von: Baral, Shilaj, et al.
Veröffentlicht: (2025)

Multiscale super-resolution reconstruction of fluid flows with deep neural networks
von: Yang, Gengchao, et al.
Veröffentlicht: (2025)

Analysis of tidal flows through the Strait of Gibraltar using Dynamic Mode Decomposition
von: Dias, Sathsara, et al.
Veröffentlicht: (2023)