Buchumschlag

Parameter conditioned interpretable U-Net surrogate model for data-driven predictions of convection-diffusion-reaction processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kastor, Michael Urs Lars, Rottmayer, Jan, Hundertmark, Anna, Gauger, Nicolas Ralph
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computational Engineering, Finance, and Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adjoint-Based Aerodynamic Shape Optimization with a Manifold Constraint Learned by Diffusion Models
von: Chen, Long, et al.
Veröffentlicht: (2025)

Conditional diffusion model for inverse prediction of process parameters and dendritic microstructures from mechanical properties
von: Ikeda, Arisa, et al.
Veröffentlicht: (2024)

Gaussian process regression + deep neural network autoencoder for probabilistic surrogate modeling in nonlinear mechanics of solids
von: Deshpande, Saurabh, et al.
Veröffentlicht: (2024)

PDE-constrained Gaussian process surrogate modeling with uncertain data locations
von: Ye, Dongwei, et al.
Veröffentlicht: (2023)

Data-driven surrogate model for etch rate profiles using sensor data from a reactive ion etcher
von: Pamarty, Abhijit Pranav, et al.
Veröffentlicht: (2024)

Domain decomposition of large neural network surrogate models
von: Gödde, Timm, et al.
Veröffentlicht: (2026)

IDS-Net: A novel framework for few-shot photovoltaic power prediction with interpretable dynamic selection and feature information fusion
von: Fan, Hang, et al.
Veröffentlicht: (2025)

Parameter estimation of structural dynamics with neural operators enabled surrogate modeling
von: Zhou, Mingyuan, et al.
Veröffentlicht: (2024)

Bayesian Updating of constitutive parameters under hybrid uncertainties with a novel surrogate model applied to biofilms
von: Fritsch, Lukas, et al.
Veröffentlicht: (2025)

Bayesian Windkessel calibration using optimized 0D surrogate models
von: Richter, Jakob, et al.
Veröffentlicht: (2024)

Extending deep learning U-Net architecture for predicting unsteady fluid flows in textured microchannels
von: Meshram, Ganesh Sahadeo, et al.
Veröffentlicht: (2026)

Hydrogen reaction rate modeling based on convolutional neural network for large eddy simulation
von: Malé, Quentin, et al.
Veröffentlicht: (2024)

FFT-based surrogate modeling of auxetic metamaterials with real-time prediction of effective elastic properties and swift inverse design
von: Danesh, Hooman, et al.
Veröffentlicht: (2024)

Fourier-enhanced reduced-order surrogate modeling for uncertainty quantification in electric machine design
von: Partovizadeh, Aylar, et al.
Veröffentlicht: (2024)

Inverse-design of nonlinear mechanical metamaterials via video denoising diffusion models
von: Bastek, Jan-Hendrik, et al.
Veröffentlicht: (2023)

CSP-free adaptive Kriging surrogate model method for reliability analysis with small failure probability
von: Li, Wenxiong, et al.
Veröffentlicht: (2023)

Multivariate sensitivity-adaptive polynomial chaos expansion for high-dimensional surrogate modeling and uncertainty quantification
von: Loukrezis, Dimitrios, et al.
Veröffentlicht: (2023)

A bound-preserving multinumerics scheme for steady-state convection-diffusion equations
von: Fabien, Maurice S.
Veröffentlicht: (2025)

Design optimization of semiconductor manufacturing equipment using a novel multi-fidelity surrogate modeling approach
von: Wang, Bingran, et al.
Veröffentlicht: (2024)

Graph neural network-based surrogate modelling for real-time hydraulic prediction of urban drainage networks
von: Zhang, Zhiyu, et al.
Veröffentlicht: (2024)

Simulating anisotropic diffusion processes with smoothed particle hydrodynamics
von: Tang, Xiaojing, et al.
Veröffentlicht: (2024)

Balancing the exploration-exploitation trade-off in active learning for surrogate model-based reliability analysis via multi-objective optimization
von: Moran, Jonathan A., et al.
Veröffentlicht: (2025)

MambaStock: Selective state space model for stock prediction
von: Shi, Zhuangwei
Veröffentlicht: (2024)

Noise-robust multi-fidelity surrogate modelling for parametric partial differential equations
von: Kent, Benjamin M., et al.
Veröffentlicht: (2025)

Multi-layer diffusion model of photovoltaic installations
von: Weron, Tomasz
Veröffentlicht: (2024)

Effect of turbulent diffusion in modeling anaerobic digestion
von: Yan, Jeremy Z., et al.
Veröffentlicht: (2024)

A survey on multi-fidelity surrogates for simulators with functional outputs: unified framework and benchmark
von: Brunel, Lucas, et al.
Veröffentlicht: (2024)

Automated discovery of interpretable hyperelastic material models for human brain tissue with EUCLID
von: Flaschel, Moritz, et al.
Veröffentlicht: (2023)

Deep encoder-decoder hierarchical convolutional neural networks for conjugate heat transfer surrogate modeling
von: Ebbs-Picken, Takiah, et al.
Veröffentlicht: (2023)

Distance function wavelets - Part I: Helmholtz and convection-diffusion transforms and series
von: Chen, W.
Veröffentlicht: (2002)

Physics-guided diffusion models for inverse design of disordered metamaterials
von: Xie, Ziyuan, et al.
Veröffentlicht: (2026)

Integration of local and global surrogates for failure probability estimation
von: Gaymann, Audrey, et al.
Veröffentlicht: (2026)

Convolutional Hierarchical Deep Learning Neural Networks-Tensor Decomposition (C-HiDeNN-TD): a scalable surrogate modeling approach for large-scale physical systems
von: Guo, Jiachen, et al.
Veröffentlicht: (2024)

A CFL condition for the finite cell method
von: Bürchner, Tim, et al.
Veröffentlicht: (2025)

DeTEcT: Dynamic and Probabilistic Parameters Extension
von: Sadykhov, Rem, et al.
Veröffentlicht: (2024)

$μ$-FlowNet: A Deep Learning Approach for Mapping Flow Fields in Irregular Microchannels Using an Attention-based U-Net Encoder-Decoder Architecture
von: Meshram, Ganesh Sahadeo, et al.
Veröffentlicht: (2026)

A surrogate model for computational homogenization of elastostatics at finite strain using the HDMR-based neural network approximator
von: Nguyen-Thanh, Vien Minh, et al.
Veröffentlicht: (2019)

Towards reproducible machine learning-based process monitoring and quality prediction research for additive manufacturing
von: Xie, Jiarui, et al.
Veröffentlicht: (2024)

Physics-informed machine learning surrogate for scalable simulation of thermal histories during wire-arc directed energy deposition
von: Ryan, Michael, et al.
Veröffentlicht: (2025)

Efficient estimation of default correlation for multivariate jump-diffusion processes
von: Zhang, Di, et al.
Veröffentlicht: (2007)