Buchumschlag

Method of Manufactured Learning for Solver-free Training of Neural Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sojitra, Arth, San, Omer
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WLNO: Wavelet-Laplace Neural Operator for Solving Partial Differential Equations
von: Abid, Muhammad, et al.
Veröffentlicht: (2026)

FEDONet : Fourier-Embedded DeepONet for Spectrally Accurate Operator Learning
von: Sojitra, Arth, et al.
Veröffentlicht: (2025)

SIMR-NO: A Spectrally-Informed Multi-Resolution Neural Operator for Turbulent Flow Super-Resolution
von: Abid, Muhammad, et al.
Veröffentlicht: (2026)

Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers
von: Zhang, Enrui, et al.
Veröffentlicht: (2022)

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

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

NOWS: Neural Operator Warm Starts for Accelerating Iterative Solvers
von: Eshaghi, Mohammad Sadegh, et al.
Veröffentlicht: (2025)

HyPINO: Multi-Physics Neural Operators via HyperPINNs and the Method of Manufactured Solutions
von: Bischof, Rafael, et al.
Veröffentlicht: (2025)

Learning a Neural Solver for Parametric PDE to Enhance Physics-Informed Methods
von: Boudec, Lise Le, et al.
Veröffentlicht: (2024)

Towards Universal Solvers: Using PGD Attack in Active Learning to Increase Generalizability of Neural Operators as Knowledge Distillation from Numerical PDE Solvers
von: Sun, Yifei
Veröffentlicht: (2025)

Efficient Training of Multi-task Neural Solver for Combinatorial Optimization
von: Wang, Chenguang, et al.
Veröffentlicht: (2023)

Spectral Embedding via Chebyshev Bases for Robust DeepONet Approximation
von: Abid, Muhammad, et al.
Veröffentlicht: (2025)

Stabilizing autoregressive forecasts in chaotic systems via multi-rate latent recurrence
von: Dhingra, Mrigank, et al.
Veröffentlicht: (2026)

Learning PDE Solvers with Physics and Data: A Unifying View of Physics-Informed Neural Networks and Neural Operators
von: Dai, Yilong, et al.
Veröffentlicht: (2026)

Ambient Physics: Training Neural PDE Solvers with Partial Observations
von: Majid, Harris Abdul, et al.
Veröffentlicht: (2026)

IGNN-Solver: A Graph Neural Solver for Implicit Graph Neural Networks
von: Lin, Junchao, et al.
Veröffentlicht: (2024)

Adversarial Learning for Neural PDE Solvers with Sparse Data
von: Gong, Yunpeng, et al.
Veröffentlicht: (2024)

Reverse Forward Curriculum Learning for Extreme Sample and Demonstration Efficiency in Reinforcement Learning
von: Tao, Stone, et al.
Veröffentlicht: (2024)

MD-PNOP: Equation-Recast Neural Operators for Minimal-Data Extrapolation and PDE Solver Acceleration
von: Cheng, Qiyun, et al.
Veröffentlicht: (2025)

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

Accelerating Conjugate Gradient Solvers for Homogenization Problems with Unitary Neural Operators
von: Herb, Julius, et al.
Veröffentlicht: (2025)

A Neural Material Point Method for Particle-based Emulation
von: Sharabi, Omer Rochman, et al.
Veröffentlicht: (2024)

Iterative Refinement Neural Operators are Learned Fixed-Point Solvers: A Principled Approach to Spectral Bias Mitigation
von: Liu, Xiaotian, et al.
Veröffentlicht: (2026)

Tensor-Compressed and Fully-Quantized Training of Neural PDE Solvers
von: Lu, Jinming, et al.
Veröffentlicht: (2025)

DGNN: A Neural PDE Solver Induced by Discontinuous Galerkin Methods
von: Chen, Guanyu, et al.
Veröffentlicht: (2025)

A Variational Framework for Residual-Based Adaptivity in Neural PDE Solvers and Operator Learning
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2025)

Quantifying Training Difficulty and Accelerating Convergence in Neural Network-Based PDE Solvers
von: Chen, Chuqi, et al.
Veröffentlicht: (2024)

Learning Neural PDE Solvers with Convergence Guarantees
von: Hsieh, Jun-Ting, et al.
Veröffentlicht: (2019)

Mechanistic Interpretability for Neural TSP Solvers
von: Narad, Reuben, et al.
Veröffentlicht: (2025)

Learning Physical Operators using Neural Operators
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2026)

A Neural-Operator Preconditioned Newton Method for Accelerated Nonlinear Solvers
von: Lee, Youngkyu, et al.
Veröffentlicht: (2025)

Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning
von: Bistrian, Diana Alina, et al.
Veröffentlicht: (2022)

Experimental Demonstration of an Optical Neural PDE Solver via On-Chip PINN Training
von: Zhao, Yequan, et al.
Veröffentlicht: (2025)

BlastOFormer: Attention and Neural Operator Deep Learning Methods for Explosive Blast Prediction
von: Graves, Reid, et al.
Veröffentlicht: (2025)

Learning Greens Operators through Hierarchical Neural Networks Inspired by the Fast Multipole Method
von: Fognini, Emilio McAllister, et al.
Veröffentlicht: (2025)

Adaptive Mesh-Quantization for Neural PDE Solvers
von: Dool, Winfried van den, et al.
Veröffentlicht: (2025)

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

Enforcing governing equation constraints in neural PDE solvers via training-free projections
von: Rochman, Omer, et al.
Veröffentlicht: (2025)

Visual Diffusion Models are Geometric Solvers
von: Goren, Nir, et al.
Veröffentlicht: (2025)

The Best of Both Worlds: Hybridizing Neural Operators and Solvers for Stable Long-Horizon Inference
von: Roy, Rajyasri, et al.
Veröffentlicht: (2025)