Buchumschlag

Solving nonlinear subsonic compressible flow in infinite domain via multi-stage neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qian, Xuehui, Tao, Hongkai, Wang, Yongji
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Fluid Dynamics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distributed physics-informed neural networks via domain decomposition for fast flow reconstruction
von: Qian, Yixiao, et al.
Veröffentlicht: (2026)

Physics-informed neural networks for hidden boundary detection and flow field reconstruction
von: Zhu, Yongzheng, et al.
Veröffentlicht: (2025)

Efficient temporal prediction of compressible flows in irregular domains using Fourier neural operators
von: Nie, Yifan, et al.
Veröffentlicht: (2026)

A Novel Paradigm in Solving Multiscale Problems
von: Wang, Jing, et al.
Veröffentlicht: (2024)

Equation identification for fluid flows via physics-informed neural networks
von: New, Alexander, et al.
Veröffentlicht: (2024)

Learning multi-phase flow and transport in fractured porous media with auto-regressive and recurrent graph neural networks
von: Kobaisi, Mohammed Al, et al.
Veröffentlicht: (2025)

DBSCAN in domains with periodic boundary conditions
von: de Wit, Xander M., et al.
Veröffentlicht: (2025)

Reparameterizing 4DVAR with neural fields
von: Oh, Jaemin
Veröffentlicht: (2025)

Nested Fourier-enhanced neural operator for efficient modeling of radiation transfer in fires
von: Jiao, Anran, et al.
Veröffentlicht: (2026)

Physics-informed neural networks for phase-resolved data assimilation and prediction of nonlinear ocean waves
von: Ehlers, Svenja, et al.
Veröffentlicht: (2025)

Prediction of flow and elastic stresses in a viscoelastic turbulent channel flow using convolutional neural networks
von: Balasubramanian, Arivazhagan G., et al.
Veröffentlicht: (2024)

Unsupervised simulation of incompressible flows with physics- and equality- constrained artificial neural networks
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

Reduced-order modeling of unsteady fluid flow using neural network ensembles
von: Halder, Rakesh, et al.
Veröffentlicht: (2024)

Neural equilibria for long-term prediction of nonlinear conservation laws
von: Benitez, J. Antonio Lara, et al.
Veröffentlicht: (2025)

Gradient-free online learning of subgrid-scale dynamics with neural emulators
von: Frezat, Hugo, et al.
Veröffentlicht: (2023)

Uni-Flow: a unified autoregressive-diffusion model for complex multiscale flows
von: Xue, Xiao, et al.
Veröffentlicht: (2026)

Super-resolution of turbulent reacting flows on complex meshes using graph neural networks
von: Dash, Priyabrat, et al.
Veröffentlicht: (2026)

Analysis of accuracy and efficiency of neural networks to simulate Navier-Stokes fluid flows with obstacles
von: Hespanha, Rui, et al.
Veröffentlicht: (2025)

Virtual domain extension for imposing boundary conditions in flow simulation using pre-trained local neural operator
von: Ye, Ximeng, et al.
Veröffentlicht: (2025)

A solver for subsonic flow around airfoils based on physics-informed neural networks and mesh transformation
von: Cao, Wenbo, et al.
Veröffentlicht: (2024)

A convolutional autoencoder and neural ODE framework for surrogate modeling of transient counterflow flames
von: Baykan, Mert Yakup, et al.
Veröffentlicht: (2026)

Bridging scales in multiscale bubble growth dynamics with correlated fluctuations using neural operator learning
von: Lu, Minglei, et al.
Veröffentlicht: (2024)

Data assimilation and parameter identification for water waves using the nonlinear Schrödinger equation and physics-informed neural networks
von: Ehlers, Svenja, et al.
Veröffentlicht: (2024)

Reconstructing unsteady flows from sparse, noisy measurements with a physics-constrained convolutional neural network
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Information-theoretic machine learning for time-varying mode decomposition of separated aerodynamic flows
von: Fukami, Kai, et al.
Veröffentlicht: (2025)

Multi-fidelity graph-based neural networks architectures to learn Navier-Stokes solutions on non-parametrized 2D domains
von: Songia, Francesco, et al.
Veröffentlicht: (2026)

From large-eddy simulations to deep learning: A U-net model for fast urban canopy flow predictions
von: Vargiemezis, Themistoklis, et al.
Veröffentlicht: (2025)

Neural ensemble Kalman filter: Data assimilation for compressible flows with shocks
von: Zhou, Xu-Hui, et al.
Veröffentlicht: (2026)

Formulations for scalar boundedness in simulations of turbulent compressible multi-component flows using high-order finite-difference methods
von: Wang, Ye, et al.
Veröffentlicht: (2026)

Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes
von: Sedykh, Alexandr, et al.
Veröffentlicht: (2023)

Physics-informed neural networks modeling for systems with moving immersed boundaries: application to an unsteady flow past a plunging foil
von: Sundar, Rahul, et al.
Veröffentlicht: (2023)

Turbulence model augmented physics informed neural networks for mean flow reconstruction
von: Patel, Yusuf, et al.
Veröffentlicht: (2023)

Learning of viscosity functions in rarefied gas flows with physics-informed neural networks
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2023)

Accuracy and scalability of asynchronous compressible flow solver for transitional flows
von: Arumugam, Aswin Kumar, et al.
Veröffentlicht: (2025)

A novel hybrid approach for accurate simulation of compressible multi-component flows across all-Mach number
von: Deng, Xi, et al.
Veröffentlicht: (2025)

Accelerating high order discontinuous Galerkin solvers using neural networks: 3D compressible Navier-Stokes equations
von: de Lara, Fernando Manrique, et al.
Veröffentlicht: (2022)

Predicting fluid-structure interaction with graph neural networks
von: Gao, Rui, et al.
Veröffentlicht: (2022)

Resolving Sharp Gradients of Unstable Singularities to Machine Precision via Neural Networks
von: Wang, Yongji, et al.
Veröffentlicht: (2025)

An unstructured adaptive mesh refinement for steady flows based on physics-informed neural networks
von: Zhu, Yongzheng, et al.
Veröffentlicht: (2024)

Multi-fidelity physics constrained neural networks for dynamical systems
von: Zhou, Hao, et al.
Veröffentlicht: (2024)