:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mou, Changhong, Zhang, Yeyu, Zhu, Xuewen, Zhuang, Qiao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Physics Numerical Analysis
Online-Zugang:	https://arxiv.org/abs/2511.14925
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Neural-POD: A Plug-and-Play Neural Operator Framework for Infinite-Dimensional Functional Nonlinear Proper Orthogonal Decomposition
von: Mou, Changhong, et al.
Veröffentlicht: (2026)

A Stochastic Precipitating Quasi-Geostrophic Model
von: Chen, Nan, et al.
Veröffentlicht: (2024)

Energy-Dissipative Evolutionary Kolmogorov-Arnold Networks for Complex PDE Systems
von: Lin, Guang, et al.
Veröffentlicht: (2025)

Helicity-conservative Physics-informed Neural Network Model for Navier-Stokes Equations
von: Jia, Jiwei, et al.
Veröffentlicht: (2022)

PirateNets: Physics-informed Deep Learning with Residual Adaptive Networks
von: Wang, Sifan, et al.
Veröffentlicht: (2024)

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

High-fidelity Multiphysics Modelling for Rapid Predictions Using Physics-informed Parallel Neural Operator
von: Yuan, Biao, et al.
Veröffentlicht: (2025)

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

Zero Coordinate Shift: Whetted Automatic Differentiation for Physics-informed Operator Learning
von: Leng, Kuangdai, et al.
Veröffentlicht: (2023)

Physics-informed Discretization-independent Deep Compositional Operator Network
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

Improving physics-informed DeepONets with hard constraints
von: Brecht, Rüdiger, et al.
Veröffentlicht: (2023)

From Mesh to Neural Nets: A Multi-Method Evaluation of Physics-Informed Neural Networks and Galerkin Finite Element Method for Solving Nonlinear Convection-Reaction-Diffusion Equations
von: Hasan, Fardous, et al.
Veröffentlicht: (2024)

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

Inverse Evolution Layers: Physics-informed Regularizers for Deep Neural Networks
von: Liu, Chaoyu, et al.
Veröffentlicht: (2023)

Neural Operators Learn the Local Physics of Magnetohydrodynamics
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

Deep Learning Method for Computing Committor Functions with Adaptive Sampling
von: Lin, Bo, et al.
Veröffentlicht: (2024)

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

Inverse Physics-Informed Neural Networks for transport models in porous materials
von: Berardi, Marco, et al.
Veröffentlicht: (2024)

Hard-constrained Physics-informed Neural Networks for Interface Problems
von: Chung, Seung Whan, et al.
Veröffentlicht: (2026)

Size Lowerbounds for Deep Operator Networks
von: Mukherjee, Anirbit, et al.
Veröffentlicht: (2023)

A Posteriori Error Estimate and Adaptivity for QM/MM Models of Crystalline Defects
von: Wang, Yangshuai, et al.
Veröffentlicht: (2022)

Physics Informed Neural Network Framework for Unsteady Discretized Reduced Order System
von: Halder, Rahul, et al.
Veröffentlicht: (2023)

Parametric Operator Inference to Simulate the Purging Process in Semiconductor Manufacturing
von: Kang, Seunghyon, et al.
Veröffentlicht: (2025)

Physics-informed neural networks (PINNs) for numerical model error approximation and superresolution
von: Zhuang, Bozhou, et al.
Veröffentlicht: (2024)

Stabilization and Operator Preconditioning of Bulk--Surface CutFEM via Harmonic Extension
von: Xia, Qing
Veröffentlicht: (2026)

Physically consistent predictive reduced-order modeling by enhancing Operator Inference with state constraints
von: Kim, Hyeonghun, et al.
Veröffentlicht: (2025)

Sparse Operator-Adapted Wavelet Decomposition Using Polygonal Elements for Multiscale FEM Problems
von: Şık, Furkan, et al.
Veröffentlicht: (2025)

Adaptive sampling accelerates the hybrid deviational particle simulations
von: Lei, Zhengyang, et al.
Veröffentlicht: (2024)

Physics-Informed Boundary Integral Networks (PIBI-Nets): A Data-Driven Approach for Solving Partial Differential Equations
von: Nagy-Huber, Monika, et al.
Veröffentlicht: (2023)

Streaming Operator Inference for Model Reduction of Large-Scale Dynamical Systems
von: Koike, Tomoki, et al.
Veröffentlicht: (2026)

HWF-PIKAN: A Multi-Resolution Hybrid Wavelet-Fourier Physics-Informed Kolmogorov-Arnold Network for solving Collisionless Boltzmann Equation
von: Heravifard, Mohammad E., et al.
Veröffentlicht: (2025)

Scaling Laws and Pathologies of Single-Layer PINNs: Network Width and PDE Nonlinearity
von: Chaudhry, Faris
Veröffentlicht: (2026)

CDFCI: High-Performance Parallel Software for Many-Body Large-Scale Eigenvalue Problems
von: Zhang, Yuejia, et al.
Veröffentlicht: (2026)

Adaptive hyperviscosity stabilisation for the RBF-FD method in solving advection-dominated transport equations
von: Rot, Miha, et al.
Veröffentlicht: (2025)

Error Analysis and Numerical Algorithm for PDE Approximation with Hidden-Layer Concatenated Physics Informed Neural Networks
von: Qian, Yianxia, et al.
Veröffentlicht: (2024)

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

Two-scale Neural Networks for Singularly Perturbed Dynamical Systems with Multiple Parameters
von: Zhuang, Qiao, et al.
Veröffentlicht: (2026)

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

Scaled-cPIKANs: Domain Scaling in Chebyshev-based Physics-informed Kolmogorov-Arnold Networks
von: Mostajeran, Farinaz, et al.
Veröffentlicht: (2025)