Buchumschlag

Imposing Boundary Conditions on Neural Operators via Learned Function Extensions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mousavi, Sepehr, Mishra, Siddhartha, De Lorenzis, Laura
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

Geometry Aware Operator Transformer as an Efficient and Accurate Neural Surrogate for PDEs on Arbitrary Domains
von: Wen, Shizheng, et al.
Veröffentlicht: (2025)

RIGNO: A Graph-based framework for robust and accurate operator learning for PDEs on arbitrary domains
von: Mousavi, Sepehr, et al.
Veröffentlicht: (2025)

HyPINO: Multi-Physics Neural Operators via HyperPINNs and the Method of Manufactured Solutions
von: Bischof, Rafael, et al.
Veröffentlicht: (2025)

Extension of Symmetrized Neural Network Operators with Fractional and Mixed Activation Functions
von: Santos, Rômulo Damasclin Chaves dos, et al.
Veröffentlicht: (2025)

A Dual Perspective of Reinforcement Learning for Imposing Policy Constraints
von: De Cooman, Bram, et al.
Veröffentlicht: (2024)

Beyond Regular Grids: Fourier-Based Neural Operators on Arbitrary Domains
von: Lingsch, Levi, et al.
Veröffentlicht: (2023)

Numerical analysis of physics-informed neural networks and related models in physics-informed machine learning
von: De Ryck, Tim, et al.
Veröffentlicht: (2024)

BENO: Boundary-embedded Neural Operators for Elliptic PDEs
von: Wang, Haixin, et al.
Veröffentlicht: (2024)

Thompson Sampling in Function Spaces via Neural Operators
von: Oliveira, Rafael, et al.
Veröffentlicht: (2025)

Learning Multi-Index Models with Neural Networks via Mean-Field Langevin Dynamics
von: Mousavi-Hosseini, Alireza, et al.
Veröffentlicht: (2024)

SLE-FNO: Single-Layer Extensions for Task-Agnostic Continual Learning in Fourier Neural Operators
von: Elhadidy, Mahmoud, et al.
Veröffentlicht: (2026)

Unsupervised Learning of Efficient Exploration: Pre-training Adaptive Policies via Self-Imposed Goals
von: Pappalardo, Octavio
Veröffentlicht: (2026)

Towards a Certificate of Trust: Task-Aware OOD Detection for Scientific AI
von: Raonić, Bogdan, et al.
Veröffentlicht: (2025)

Rectified Flows for Fast Multiscale Fluid Flow Modeling
von: Armegioiu, Victor, et al.
Veröffentlicht: (2025)

A universal approximation theorem for nonlinear resistive networks
von: Scellier, Benjamin, et al.
Veröffentlicht: (2023)

An operator preconditioning perspective on training in physics-informed machine learning
von: De Ryck, Tim, et al.
Veröffentlicht: (2023)

Functional Neural Wavefunction Optimization
von: Armegioiu, Victor, et al.
Veröffentlicht: (2025)

Gauss-Newton Natural Gradient Descent for Shape Learning
von: King, James, et al.
Veröffentlicht: (2026)

Out-of-Distribution Detection in Molecular Complexes via Diffusion Models for Irregular Graphs
von: Graber, David, et al.
Veröffentlicht: (2025)

NOFE - Neural Operator Function Embedding
von: Uebbing, Lars, et al.
Veröffentlicht: (2026)

Neural Operator: Learning Maps Between Function Spaces
von: Kovachki, Nikola, et al.
Veröffentlicht: (2021)

UniFluids: Unified Neural Operator Learning with Conditional Flow-matching
von: Li, Haosen, et al.
Veröffentlicht: (2026)

Going Beyond Heuristics by Imposing Policy Improvement as a Constraint
von: Lee, Chi-Chang, et al.
Veröffentlicht: (2025)

The Language of Hyperelastic Materials
von: Kissas, Georgios, et al.
Veröffentlicht: (2024)

Universal Functional Regression with Neural Operator Flows
von: Shi, Yaozhong, et al.
Veröffentlicht: (2024)

Learning Physical Operators using Neural Operators
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2026)

Learning Neural Differential Algebraic Equations via Operator Splitting
von: Koch, James, et al.
Veröffentlicht: (2024)

Automated Constitutive Model Discovery by Pairing Sparse Regression Algorithms with Model Selection Criteria
von: Urrea-Quintero, Jorge-Humberto, et al.
Veröffentlicht: (2025)

Fredholm Integral Equations Neural Operator (FIE-NO) for Data-Driven Boundary Value Problems
von: Jiang, Haoyang, et al.
Veröffentlicht: (2024)

Neural Autoregressive Flows for Markov Boundary Learning
von: Nguyen, Khoa, et al.
Veröffentlicht: (2026)

Thinner Latent Spaces: Detecting Dimension and Imposing Invariance with Conformal Autoencoders
von: Kevrekidis, George A., et al.
Veröffentlicht: (2024)

Continuum Transformers Perform In-Context Learning by Operator Gradient Descent
von: Mishra, Abhiti, et al.
Veröffentlicht: (2025)

Generalized Spherical Neural Operators: Green's Function Formulation
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Split Conformal Prediction in the Function Space with Neural Operators
von: Millard, David, et al.
Veröffentlicht: (2025)

Channel-Imposed Fusion: A Simple yet Effective Method for Medical Time Series Classification
von: Hu, Ming, et al.
Veröffentlicht: (2025)

Safe PDE Boundary Control with Neural Operators
von: Hu, Hanjiang, et al.
Veröffentlicht: (2024)

Discrete Modeling via Boundary Conditional Diffusion Processes
von: Gu, Yuxuan, et al.
Veröffentlicht: (2024)

A Learning-Based Ansatz Satisfying Boundary Conditions in Variational Problems
von: Florencio, Rafael, et al.
Veröffentlicht: (2025)

FUSE: Fast Unified Simulation and Estimation for PDEs
von: Lingsch, Levi E., et al.
Veröffentlicht: (2024)

Improving Rectified Flow with Boundary Conditions
von: Hu, Xixi, et al.
Veröffentlicht: (2025)