Buchumschlag

Automated Discovery of Conservation Laws via Hybrid Neural ODE-Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Doshi, Vivan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural ODE Transformers: Analyzing Internal Dynamics and Adaptive Fine-tuning
von: Tong, Anh, et al.
Veröffentlicht: (2025)

Simulation-Free Differential Dynamics through Neural Conservation Laws
von: Hua, Mengjian, et al.
Veröffentlicht: (2025)

SPIN-ODE: Stiff Physics-Informed Neural ODE for Chemical Reaction Rate Estimation
von: Peng, Wenqing, et al.
Veröffentlicht: (2025)

A comparative study of NeuralODE and Universal ODE approaches to solving Chandrasekhar White Dwarf equation
von: Martinez, Raymundo Vazquez, et al.
Veröffentlicht: (2024)

Writing in Symbiosis: Mapping Human Creative Agency in the AI Era
von: Doshi, Vivan, et al.
Veröffentlicht: (2025)

Mitigating Time Discretization Challenges with WeatherODE: A Sandwich Physics-Driven Neural ODE for Weather Forecasting
von: Liu, Peiyuan, et al.
Veröffentlicht: (2024)

On Tuning Neural ODE for Stability, Consistency and Faster Convergence
von: Akhtar, Sheikh Waqas
Veröffentlicht: (2023)

A Neural ODE Approach to Aircraft Flight Dynamics Modelling
von: Jarry, Gabriel, et al.
Veröffentlicht: (2025)

Speculating Experts Accelerates Inference for Mixture-of-Experts
von: Madan, Vivan, et al.
Veröffentlicht: (2026)

Wavelet-Enhanced Neural ODE and Graph Attention for Interpretable Energy Forecasting
von: Joy, Usman Gani
Veröffentlicht: (2025)

Neural ODE and SDE Models for Adaptation and Planning in Model-Based Reinforcement Learning
von: Han, Chao, et al.
Veröffentlicht: (2026)

Automated Scientific Discovery: From Equation Discovery to Autonomous Discovery Systems
von: Kramer, Stefan, et al.
Veröffentlicht: (2023)

Enhanced Diffusion Sampling via Extrapolation with Multiple ODE Solutions
von: Choi, Jinyoung, et al.
Veröffentlicht: (2025)

LASS-ODE: Scaling ODE Computations to Connect Foundation Models with Dynamical Physical Systems
von: Li, Haoran, et al.
Veröffentlicht: (2026)

Unification of Symmetries Inside Neural Networks: Transformer, Feedforward and Neural ODE
von: Hashimoto, Koji, et al.
Veröffentlicht: (2024)

Bridging the Rural Healthcare Gap: A Cascaded Edge-Cloud Architecture for Automated Retinal Screening
von: Doshi, Nishi, et al.
Veröffentlicht: (2026)

Hierarchical Meta-Reinforcement Learning via Automated Macro-Action Discovery
von: Cho, Minjae, et al.
Veröffentlicht: (2024)

Bridging Neural ODE and ResNet: A Formal Error Bound for Safety Verification
von: Sayed, Abdelrahman Sayed, et al.
Veröffentlicht: (2025)

Latent Neural-ODE for Model-Informed Precision Dosing: Overcoming Structural Assumptions in Pharmacokinetics
von: Maurel, Benjamin, et al.
Veröffentlicht: (2026)

Efficient Automated Circuit Discovery in Transformers using Contextual Decomposition
von: Hsu, Aliyah R., et al.
Veröffentlicht: (2024)

Automated Discovery of Integral with Deep Learning
von: Yin, Xiaoxin
Veröffentlicht: (2024)

BULL-ODE: Bullwhip Learning with Neural ODEs and Universal Differential Equations under Stochastic Demand
von: Naik, Nachiket N., et al.
Veröffentlicht: (2025)

Spectral Discovery of Continuous Symmetries via Generalized Fourier Transforms
von: Karjol, Pavan, et al.
Veröffentlicht: (2026)

The Neural Pruning Law Hypothesis
von: Barbulescu, Eugen, et al.
Veröffentlicht: (2025)

Efficient Discovery of Approximate Causal Abstractions via Neural Mechanism Sparsification
von: Asiaee, Amir
Veröffentlicht: (2026)

Neuro-Symbolic ODE Discovery with Latent Grammar Flow
von: Yu, Karin, et al.
Veröffentlicht: (2026)

Unlocking the Potential of Continual Model Merging: An ODE Perspective
von: Lin, Lihong, et al.
Veröffentlicht: (2026)

Epidemiology-Aware Neural ODE with Continuous Disease Transmission Graph
von: Wan, Guancheng, et al.
Veröffentlicht: (2024)

Automated Capability Discovery via Foundation Model Self-Exploration
von: Lu, Cong, et al.
Veröffentlicht: (2025)

On Discovery of Local Independence over Continuous Variables via Neural Contextual Decomposition
von: Hwang, Inwoo, et al.
Veröffentlicht: (2024)

Towards Neural Scaling Laws on Graphs
von: Liu, Jingzhe, et al.
Veröffentlicht: (2024)

On the Optimizer Dependence of Neural Scaling Laws
von: Ramani, Vansh, et al.
Veröffentlicht: (2026)

Automated Attention Pattern Discovery at Scale in Large Language Models
von: Katzy, Jonathan, et al.
Veröffentlicht: (2026)

FAMOSE: A ReAct Approach to Automated Feature Discovery
von: Burghardt, Keith, et al.
Veröffentlicht: (2026)

The ODE Method for Stochastic Approximation and Reinforcement Learning with Markovian Noise
von: Liu, Shuze Daniel, et al.
Veröffentlicht: (2024)

Prediction Is Not Physics: Learning and Evaluating Conserved Quantities in Neural Simulators
von: Bukowski, Andrew, et al.
Veröffentlicht: (2026)

On the Effective Horizon of Inverse Reinforcement Learning
von: Xu, Yiqing, et al.
Veröffentlicht: (2023)

Purity Law for Generalizable Neural TSP Solvers
von: Liu, Wenzhao, et al.
Veröffentlicht: (2025)

Information-Theoretic Foundations for Neural Scaling Laws
von: Jeon, Hong Jun, et al.
Veröffentlicht: (2024)

Automated Skill Discovery for Language Agents through Exploration and Iterative Feedback
von: Yang, Yongjin, et al.
Veröffentlicht: (2025)