Buchumschlag

Physics-Informed Neural Solvers for Periodic Quantum Eigenproblems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Mian, Haaris
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantum Noise Tomography with Physics-Informed Neural Networks
von: Sulc, Antonin
Veröffentlicht: (2025)

LLM Probing with Contrastive Eigenproblems: Improving Understanding and Applicability of CCS
von: Schouten, Stefan F., et al.
Veröffentlicht: (2025)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

Evidential Physics-Informed Neural Networks for Scientific Discovery
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Statistical Learning Analysis of Physics-Informed Neural Networks
von: Barajas-Solano, David A.
Veröffentlicht: (2026)

On the Role of Consistency Between Physics and Data in Physics-Informed Neural Networks
von: Becerra-Zuniga, Nicolás, et al.
Veröffentlicht: (2026)

Quantum-Classical Physics-Informed Neural Networks for Solving Reservoir Seepage Equations
von: Rao, Xiang, et al.
Veröffentlicht: (2025)

PINGS: Physics-Informed Neural Network for Fast Generative Sampling
von: Prasha, Achmad Ardani, et al.
Veröffentlicht: (2025)

EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Solving Derivative-Constrained PDEs
von: Hoshisashi, Kentaro, et al.
Veröffentlicht: (2026)

Kronecker-Factored Approximate Curvature for Physics-Informed Neural Networks
von: Dangel, Felix, et al.
Veröffentlicht: (2024)

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

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks with Fourier Features and Attention-Driven Decoding
von: Arni, Rohan, et al.
Veröffentlicht: (2025)

Exact Enforcement of Temporal Continuity in Sequential Physics-Informed Neural Networks
von: Roy, Pratanu, et al.
Veröffentlicht: (2024)

DiffGrad for Physics-Informed Neural Networks
von: Rahman, Jamshaid Ul, et al.
Veröffentlicht: (2024)

Bayesian Reasoning for Physics Informed Neural Networks
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2023)

Quantum Neural Physics: Solving Partial Differential Equations on Quantum Simulators using Quantum Convolutional Neural Networks
von: Zhai, Jucai, et al.
Veröffentlicht: (2026)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

Response Estimation and System Identification of Dynamical Systems via Physics-Informed Neural Networks
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2024)

Self-Adaptive Physics-Informed Quantum Machine Learning for Solving Differential Equations
von: Setty, Abhishek, et al.
Veröffentlicht: (2023)

LFR-PINO: A Layered Fourier Reduced Physics-Informed Neural Operator for Parametric PDEs
von: Wang, Jing, et al.
Veröffentlicht: (2025)

Geometry-Informed Neural Operator Transformer
von: Liu, Qibang, et al.
Veröffentlicht: (2025)

PINN-FEM: A Hybrid Approach for Enforcing Dirichlet Boundary Conditions in Physics-Informed Neural Networks
von: Sobh, Nahil, et al.
Veröffentlicht: (2025)

Taper-based scattering formulation of the Helmholtz equation to improve the training process of Physics-Informed Neural Networks
von: Dörfler, W., et al.
Veröffentlicht: (2024)

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

CarCrashNet: A Large-Scale Dataset and Hierarchical Neural Solver for Data-Driven Structural Crash Simulation
von: Elrefaie, Mohamed, et al.
Veröffentlicht: (2026)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)

Leveraging Influence Functions for Resampling Data in Physics-Informed Neural Networks
von: Naujoks, Jonas R., et al.
Veröffentlicht: (2025)

Examining the robustness of Physics-Informed Neural Networks to noise for Inverse Problems
von: Jekic, Aleksandra, et al.
Veröffentlicht: (2025)

A Structure-Preserving Graph Neural Solver for Parametric Hyperbolic Conservation Laws
von: Jiang, Jiamin, et al.
Veröffentlicht: (2026)

BEACONS: Bounded-Error, Algebraically-Composable Neural Solvers for Partial Differential Equations
von: Gorard, Jonathan, et al.
Veröffentlicht: (2026)

Finite Basis Physics-Informed Neural Networks (FBPINNs): a scalable domain decomposition approach for solving differential equations
von: Moseley, Ben, et al.
Veröffentlicht: (2021)

Graph Neural PDE Solvers with Conservation and Similarity-Equivariance
von: Horie, Masanobu, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges
von: Shajihan, Althaf, et al.
Veröffentlicht: (2025)

Energy Dissipation Preserving Physics Informed Neural Network for Allen-Cahn Equations
von: Kütük, Mustafa, et al.
Veröffentlicht: (2024)

Gradient Enhanced Self-Training Physics-Informed Neural Network (gST-PINN) for Solving Nonlinear Partial Differential Equations
von: Iyer, Narayan S, et al.
Veröffentlicht: (2025)

A Posteriori Evaluation of a Physics-Constrained Neural Ordinary Differential Equations Approach Coupled with CFD Solver for Modeling Stiff Chemical Kinetics
von: Kumar, Tadbhagya, et al.
Veröffentlicht: (2023)

QCPINN: Quantum-Classical Physics-Informed Neural Networks for Solving PDEs
von: Farea, Afrah, et al.
Veröffentlicht: (2025)

Scalable Quantum Error Mitigation with Physically Informed Graph Neural Networks
von: Wang, Huaxin, et al.
Veröffentlicht: (2026)