Buchumschlag

Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Dai, Lin, Lequan, Han, Andi, Thompson, Luke, Hernández-Lobato, José Miguel, Wang, Zhiyong, Gao, Junbin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Wiener Chaos Expansion based Neural Operator for Singular Stochastic Partial Differential Equations
von: Shi, Dai, et al.
Veröffentlicht: (2026)

Unleash Graph Neural Networks from Heavy Tuning
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

Diffusing to the Top: Boost Graph Neural Networks with Minimal Hyperparameter Tuning
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

S$^3$GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning
von: Shi, Dai, et al.
Veröffentlicht: (2026)

When Graph Neural Networks Meet Dynamic Mode Decomposition
von: Shi, Dai, et al.
Veröffentlicht: (2024)

Design Your Own Universe: A Physics-Informed Agnostic Method for Enhancing Graph Neural Networks
von: Shi, Dai, et al.
Veröffentlicht: (2024)

SpecSTG: A Fast Spectral Diffusion Framework for Probabilistic Spatio-Temporal Traffic Forecasting
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

ATOM: A Pretrained Neural Operator for Multitask Molecular Dynamics
von: Thompson, Luke, et al.
Veröffentlicht: (2025)

Graph Pseudotime Analysis and Neural Stochastic Differential Equations for Analyzing Retinal Degeneration Dynamics and Beyond
von: Shi, Dai, et al.
Veröffentlicht: (2025)

LOFT: Low-Rank Orthogonal Fine-Tuning via Task-Aware Support Selection
von: Zhao, Lanxin, et al.
Veröffentlicht: (2026)

Chaos into Order: Neural Framework for Expected Value Estimation of Stochastic Partial Differential Equations
von: Pétursson, Ísak, et al.
Veröffentlicht: (2025)

Uncertainty Modeling in Graph Neural Networks via Stochastic Differential Equations
von: Bergna, Richard, et al.
Veröffentlicht: (2024)

ACT as Human: Multimodal Large Language Model Data Annotation with Critical Thinking
von: Lin, Lequan, et al.
Veröffentlicht: (2025)

GeoMaNO: Geometric Mamba Neural Operator for Partial Differential Equations
von: Han, Xi, et al.
Veröffentlicht: (2025)

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

Physics-Informed Laplace Neural Operator for Solving Partial Differential Equations
von: Kim, Heechang, et al.
Veröffentlicht: (2026)

Coupled Multiwavelet Neural Operator Learning for Coupled Partial Differential Equations
von: Xiao, Xiongye, et al.
Veröffentlicht: (2023)

HAMLET: Graph Transformer Neural Operator for Partial Differential Equations
von: Bryutkin, Andrey, et al.
Veröffentlicht: (2024)

Diffusion-Based Stochastic Operator Networks for Uncertainty Quantification in Stochastic Partial Differential Equations
von: Huynh, Phuoc-Toan, et al.
Veröffentlicht: (2026)

Latent Mamba Operator for Partial Differential Equations
von: Tiwari, Karn, et al.
Veröffentlicht: (2025)

Diffeomorphic Latent Neural Operators for Data-Efficient Learning of Solutions to Partial Differential Equations
von: Ahmad, Zan, et al.
Veröffentlicht: (2024)

Muti-Fidelity Prediction and Uncertainty Quantification with Laplace Neural Operators for Parametric Partial Differential Equations
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
von: Chen, Biao, et al.
Veröffentlicht: (2026)

Neural Chaos: A Spectral Stochastic Neural Operator
von: Bahmani, Bahador, et al.
Veröffentlicht: (2025)

Neural Quantum Spectral Operator Learning for Solving Partial Differential Equations
von: Kim, Chanyoung, et al.
Veröffentlicht: (2026)

Neural Green's Operators for Parametric Partial Differential Equations
von: Melchers, Hugo, et al.
Veröffentlicht: (2024)

A Tensor Residual Circuit Neural Network Factorized with Matrix Product Operation
von: Chen, Andi
Veröffentlicht: (2025)

On the Price of Privacy for Language Identification and Generation
von: Li, Xiaoyu, et al.
Veröffentlicht: (2026)

Contrastive Identification and Generation in the Limit
von: Li, Xiaoyu, et al.
Veröffentlicht: (2026)

Physics-embedded Fourier Neural Network for Partial Differential Equations
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)

Newton Informed Neural Operator for Computing Multiple Solutions of Nonlinear Partials Differential Equations
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

Pseudo-Differential Neural Operator: Generalized Fourier Neural Operator for Learning Solution Operators of Partial Differential Equations
von: Shin, Jin Young, et al.
Veröffentlicht: (2022)

Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks
von: Katende, Ronald
Veröffentlicht: (2025)

Solving Time-Fractional Partial Integro-Differential Equations Using Tensor Neural Network
von: Lin, Zhongshuo, et al.
Veröffentlicht: (2025)

Variational Neural Stochastic Differential Equations with Change Points
von: El-Laham, Yousef, et al.
Veröffentlicht: (2024)

Late Fusion Neural Operators for Extrapolation Across Parameter Space in Partial Differential Equations
von: van Tegelen, Eva, et al.
Veröffentlicht: (2026)

LordNet: An Efficient Neural Network for Learning to Solve Parametric Partial Differential Equations without Simulated Data
von: Huang, Xinquan, et al.
Veröffentlicht: (2022)

Disentangled Representation Learning for Parametric Partial Differential Equations
von: Liu, Ning, et al.
Veröffentlicht: (2024)

GITO: Graph-Informed Transformer Operator for Learning Complex Partial Differential Equations
von: Ramezankhani, Milad, et al.
Veröffentlicht: (2025)

Neural Structure Learning with Stochastic Differential Equations
von: Wang, Benjie, et al.
Veröffentlicht: (2023)