Buchumschlag

Retrofitting Earth System Models with Cadence-Limited Neural Operator Updates

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bora, Aniruddha, Zhang, Shixuan, Shukla, Khemraj, Harrop, Bryce, Karniadakis, George Em., Leung, L. Ruby
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Mathematical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Integrating Neural Operators with Diffusion Models Improves Spectral Representation in Turbulence Modeling
von: Oommen, Vivek, et al.
Veröffentlicht: (2024)

Tackling the Curse of Dimensionality with Physics-Informed Neural Networks
von: Hu, Zheyuan, et al.
Veröffentlicht: (2023)

Representation Meets Optimization: Training PINNs and PIKANs for Gray-Box Discovery in Systems Pharmacology
von: Daryakenari, Nazanin Ahmadi, et al.
Veröffentlicht: (2025)

Optimizing the Optimizer for Physics-Informed Neural Networks and Kolmogorov-Arnold Networks
von: Kiyani, Elham, et al.
Veröffentlicht: (2025)

Learning Turbulent Flows with Generative Models: Super-resolution, Forecasting, and Sparse Flow Reconstruction
von: Oommen, Vivek, et al.
Veröffentlicht: (2025)

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

Transformers as Neural Operators for Solutions of Differential Equations with Finite Regularity
von: Shih, Benjamin, et al.
Veröffentlicht: (2024)

H3PC: Hypersonic, High-Order, High-Performance Code with Adaptive Mesh Refinement and Real Chemistry
von: Peyvan, Ahmad, et al.
Veröffentlicht: (2025)

Curvature-Aware Optimization for High-Accuracy Physics-Informed Neural Networks
von: Jnini, Anas, et al.
Veröffentlicht: (2026)

Agentic Risk-Aware Set-Based Engineering Design
von: Kumar, Varun, et al.
Veröffentlicht: (2026)

Two-stage initial-value iterative physics-informed neural networks for simulating solitary waves of nonlinear wave equations
von: Song, Jin, et al.
Veröffentlicht: (2024)

Toward Autonomous Engineering Design: A Knowledge-Guided Multi-Agent Framework
von: Kumar, Varun, et al.
Veröffentlicht: (2025)

Operator Learning for Reconstructing Flow Fields from Sparse Measurements: an Energy Transformer Approach
von: Zhang, Qian, et al.
Veröffentlicht: (2025)

GIMLET: Generalizable and Interpretable Model Learning through Embedded Thermodynamics
von: Shiratori, Suguru, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks and Extensions
von: Raissi, Maziar, et al.
Veröffentlicht: (2024)

DeepSeek vs. ChatGPT vs. Claude: A Comparative Study for Scientific Computing and Scientific Machine Learning Tasks
von: Jiang, Qile, et al.
Veröffentlicht: (2025)

Drug Release Modeling using Physics-Informed Neural Networks
von: Qureshi, Daanish Aleem, et al.
Veröffentlicht: (2026)

Crack Path Prediction with Operator Learning using Discrete Particle System data Generation
von: Kiyani, Elham, et al.
Veröffentlicht: (2025)

Predicting Crack Nucleation and Propagation in Brittle Materials Using Deep Operator Networks with Diverse Trunk Architectures
von: Kiyani, Elham, et al.
Veröffentlicht: (2024)

Hutchinson Trace Estimation for High-Dimensional and High-Order Physics-Informed Neural Networks
von: Hu, Zheyuan, et al.
Veröffentlicht: (2023)

Score-Based Physics-Informed Neural Networks for High-Dimensional Fokker-Planck Equations
von: Hu, Zheyuan, et al.
Veröffentlicht: (2024)

Body-Free Simulation of Three-Dimensional Turbulent Cylinder Wakes
von: Wang, Zhicheng, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in PINNs for Turbulent Flows: Bayesian Inference and Repulsive Ensembles
von: Shukla, Khemraj, et al.
Veröffentlicht: (2026)

ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2025)

Physics-Informed Machine Learning in Biomedical Science and Engineering
von: Ahmadi, Nazanin, et al.
Veröffentlicht: (2025)

Randomized Forward Mode of Automatic Differentiation For Optimization Algorithms
von: Shukla, Khemraj, et al.
Veröffentlicht: (2023)

A comprehensive and FAIR comparison between MLP and KAN representations for differential equations and operator networks
von: Shukla, Khemraj, et al.
Veröffentlicht: (2024)

Process-Informed Forecasting of Complex Thermal Dynamics in Pharmaceutical Manufacturing
von: Rubini, Ramona, et al.
Veröffentlicht: (2025)

$PINN - a Domain Decomposition Method for Bayesian Physics-Informed Neural Networks
von: Figueres, Júlia Vicens, et al.
Veröffentlicht: (2025)

Physics-informed offline reinforcement learning eliminates catastrophic fuel waste in maritime routing
von: Bora, Aniruddha, et al.
Veröffentlicht: (2026)

A non-intrusive machine learning framework for debiasing long-time coarse resolution climate simulations and quantifying rare events statistics
von: Sorensen, Benedikt Barthel, et al.
Veröffentlicht: (2024)

Characterization and Inverse Design of Stochastic Mechanical Metamaterials Using Neural Operators
von: Hanxun Jin, et al.
Veröffentlicht: (2025)

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

Operator Learning for Reconstructing Flow Fields from Sparse Measurements: a Language Model Approach
von: Zhang, Qian, et al.
Veröffentlicht: (2026)

AgenticSciML: Collaborative Multi-Agent Systems for Emergent Discovery in Scientific Machine Learning
von: Jiang, Qile, et al.
Veröffentlicht: (2025)

A Diffusion Model Framework for Unsupervised Neural Combinatorial Optimization
von: Sanokowski, Sebastian, et al.
Veröffentlicht: (2024)

Prometheus Mind: Retrofitting Memory to Frozen Language Models
von: Wind, Mark
Veröffentlicht: (2026)

XAI4Extremes: An interpretable machine learning framework for understanding extreme-weather precursors under climate change
von: Wei, Jiawen, et al.
Veröffentlicht: (2025)

Hybrid Metaheuristic Vehicle Routing Problem for Security Dispatch Operations
von: Vu, Nguyen Gia Hien, et al.
Veröffentlicht: (2025)

NeuroSEM: A hybrid framework for simulating multiphysics problems by coupling PINNs and spectral elements
von: Shukla, Khemraj, et al.
Veröffentlicht: (2024)