Buchumschlag

Koopman Autoencoders with Continuous-Time Latent Dynamics for Fluid Dynamics Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grozavescu, Rares, Zhang, Pengyu, Meunier, Etienne, Girolami, Mark
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach
von: Grozavescu, Rares, et al.
Veröffentlicht: (2026)

Global Description of Flutter Dynamics via Koopman Theory
von: Song, Jiwoo, et al.
Veröffentlicht: (2025)

OmniFluids: Physics Pre-trained Modeling of Fluid Dynamics
von: Zhang, Rui, et al.
Veröffentlicht: (2025)

Inpainting Computational Fluid Dynamics with Deep Learning
von: Shu, Dule, et al.
Veröffentlicht: (2024)

Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

DSO: Dual-Scale Neural Operators for Stable Long-term Fluid Dynamics Forecasting
von: Dong, Huanshuo, et al.
Veröffentlicht: (2026)

LLM4Fluid: Large Language Models as Generalizable Neural Solvers for Fluid Dynamics
von: Xiao, Qisong, et al.
Veröffentlicht: (2026)

Transported Memory Networks accelerating Computational Fluid Dynamics
von: Schulz, Matthias, et al.
Veröffentlicht: (2025)

Neural SPH: Improved Neural Modeling of Lagrangian Fluid Dynamics
von: Toshev, Artur P., et al.
Veröffentlicht: (2024)

Differentiable Autoencoding Neural Operator for Interpretable and Integrable Latent Space Modeling
von: Viknesh, Siva, et al.
Veröffentlicht: (2025)

PROSE-FD: A Multimodal PDE Foundation Model for Learning Multiple Operators for Forecasting Fluid Dynamics
von: Liu, Yuxuan, et al.
Veröffentlicht: (2024)

DeepLag: Discovering Deep Lagrangian Dynamics for Intuitive Fluid Prediction
von: Ma, Qilong, et al.
Veröffentlicht: (2024)

DiffFluid: Plain Diffusion Models are Effective Predictors of Flow Dynamics
von: Luo, Dongyu, et al.
Veröffentlicht: (2024)

Decoder Decomposition for the Analysis of the Latent Space of Nonlinear Autoencoders With Wind-Tunnel Experimental Data
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Combining Machine Learning with Computational Fluid Dynamics using OpenFOAM and SmartSim
von: Maric, Tomislav, et al.
Veröffentlicht: (2024)

A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
von: Gao, Rui, et al.
Veröffentlicht: (2022)

LAViG-FLOW: Latent Autoregressive Video Generation for Fluid Flow Simulations
von: De Pellegrini, Vittoria, et al.
Veröffentlicht: (2026)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

Towards Scalable One-Step Generative Modeling for Autoregressive Dynamical System Forecasting
von: Yang, Tianyue, et al.
Veröffentlicht: (2026)

Optimal Parallelization Strategies for Active Flow Control in Deep Reinforcement Learning-Based Computational Fluid Dynamics
von: Jia, Wang, et al.
Veröffentlicht: (2024)

HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2026)

Coupling Machine Learning Local Predictions with a Computational Fluid Dynamics Solver to Accelerate Transient Buoyant Plume Simulations
von: Caron, Clément, et al.
Veröffentlicht: (2024)

Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time
von: Xu, Jingxuan, et al.
Veröffentlicht: (2025)

CFDBench: A Large-Scale Benchmark for Machine Learning Methods in Fluid Dynamics
von: Luo, Yining, et al.
Veröffentlicht: (2023)

Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection
von: Markmann, Thorben, et al.
Veröffentlicht: (2024)

Mori-Zwanzig latent space Koopman closure for nonlinear autoencoder
von: Gupta, Priyam, et al.
Veröffentlicht: (2023)

HydroGym: A Reinforcement Learning Platform for Fluid Dynamics
von: Lagemann, Christian, et al.
Veröffentlicht: (2025)

Targeted Digital Twin via Flow Map Learning and Its Application to Fluid Dynamics
von: Chen, Qifan, et al.
Veröffentlicht: (2025)

Generative Learning for Forecasting the Dynamics of Complex Systems
von: Gao, Han, et al.
Veröffentlicht: (2024)

FlowPrecision: Advancing FPGA-Based Real-Time Fluid Flow Estimation with Linear Quantization
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

VICON: Vision In-Context Operator Networks for Multi-Physics Fluid Dynamics Prediction
von: Cao, Yadi, et al.
Veröffentlicht: (2024)

Hierarchic Flows to Estimate and Sample High-dimensional Probabilities
von: Lempereur, Etienne, et al.
Veröffentlicht: (2024)

LinguaFluid: Language Guided Fluid Control via Semantic Rewards in Reinforcement Learning
von: Liang, Aoming, et al.
Veröffentlicht: (2025)

Spatio-Temporal Fluid Dynamics Modeling via Physical-Awareness and Parameter Diffusion Guidance
von: Wu, Hao, et al.
Veröffentlicht: (2024)

Spectrally Informed Learning of Fluid Flows
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2024)

Proper Latent Decomposition
von: Kelshaw, Daniel, et al.
Veröffentlicht: (2024)

Lost in Latent Space: An Empirical Study of Latent Diffusion Models for Physics Emulation
von: Rozet, François, et al.
Veröffentlicht: (2025)

Surrogate Modeling of 3D Rayleigh-Benard Convection with Equivariant Autoencoders
von: Fromme, Fynn, et al.
Veröffentlicht: (2025)

Neural Physics: Using AI Libraries to Develop Physics-Based Solvers for Incompressible Computational Fluid Dynamics
von: Chen, Boyang, et al.
Veröffentlicht: (2024)

Graph-Based Learning of Free Surface Dynamics in Generalized Newtonian Fluids using Smoothed Particle Hydrodynamics
von: Kim, Hyo-Jin, et al.
Veröffentlicht: (2025)