Buchumschlag

Learning Physical Operators using Neural Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gopakumar, Vignesh, Gray, Ander, Giles, Dan, Zanisi, Lorenzo, Kusner, Matt J., Betcke, Timo, Pamela, Stanislas, Deisenroth, Marc Peter
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

Valid Error Bars for Neural Weather Models using Conformal Prediction
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2024)

Calibrated Physics-Informed Uncertainty Quantification
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2025)

Plasma Surrogate Modelling using Fourier Neural Operators
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2023)

Data-Efficient Neural Operator Training via Physics-Based Active Learning
von: Polanska, Alicja, et al.
Veröffentlicht: (2026)

Uncertainty Quantification of Surrogate Models using Conformal Prediction
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2024)

Guaranteed prediction sets for functional surrogate models
von: Gray, Ander, et al.
Veröffentlicht: (2025)

Infinite Neural Operators: Gaussian processes on functions
von: de Souza, Daniel Augusto, et al.
Veröffentlicht: (2025)

Learning Greens Operators through Hierarchical Neural Networks Inspired by the Fast Multipole Method
von: Fognini, Emilio McAllister, et al.
Veröffentlicht: (2025)

Parseval Convolution Operators and Neural Networks
von: Unser, Michael, et al.
Veröffentlicht: (2024)

5D Neural Surrogates for Nonlinear Gyrokinetic Simulations of Plasma Turbulence
von: Galletti, Gianluca, et al.
Veröffentlicht: (2025)

Scalable Data Assimilation with Message Passing
von: Key, Oscar, et al.
Veröffentlicht: (2024)

Probabilistic Weather Forecasting with Hierarchical Graph Neural Networks
von: Oskarsson, Joel, et al.
Veröffentlicht: (2024)

GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations
von: Paischer, Fabian, et al.
Veröffentlicht: (2025)

Iterated INLA for State and Parameter Estimation in Nonlinear Dynamical Systems
von: Anderka, Rafael, et al.
Veröffentlicht: (2024)

Setting the Record Straight on Transformer Oversmoothing
von: Dovonon, Gbètondji J-S, et al.
Veröffentlicht: (2024)

An Auditing Test To Detect Behavioral Shift in Language Models
von: Richter, Leo, et al.
Veröffentlicht: (2024)

Causal Machine Learning: A Survey and Open Problems
von: Kaddour, Jean, et al.
Veröffentlicht: (2022)

Gaussian Processes on Cellular Complexes
von: Alain, Mathieu, et al.
Veröffentlicht: (2023)

Hilbert Neural Operator: Operator Learning in the Analytic Signal Domain
von: Pordanesh, Saman, et al.
Veröffentlicht: (2025)

Parallel-in-Time Solutions with Random Projection Neural Networks
von: Betcke, Marta M., et al.
Veröffentlicht: (2024)

Replay-Based Continual Learning for Physics-Informed Neural Operators
von: Wang, Yizheng, et al.
Veröffentlicht: (2026)

Pseudo-Physics-Informed Neural Operators: Enhancing Operator Learning from Limited Data
von: Chen, Keyan, et al.
Veröffentlicht: (2025)

MODNO: Multi Operator Learning With Distributed Neural Operators
von: Zhang, Zecheng
Veröffentlicht: (2024)

Learning Generalizable Neural Operators for Inverse Problems
von: Thorpe, Adam J., et al.
Veröffentlicht: (2025)

Physics-Informed Neural Operators for Cardiac Electrophysiology
von: Lydon, Hannah, et al.
Veröffentlicht: (2025)

Generalized Lie Symmetries in Physics-Informed Neural Operators
von: Wang, Amy Xiang, et al.
Veröffentlicht: (2025)

Do Neural Operators Forget Geometry? The Forgetting Hypothesis in Deep Operator Learning
von: Xia, Yanming, et al.
Veröffentlicht: (2026)

Matérn Gaussian Processes on Graphs
von: Borovitskiy, Viacheslav, et al.
Veröffentlicht: (2020)

Neural Operators Meet Energy-based Theory: Operator Learning for Hamiltonian and Dissipative PDEs
von: Tanaka, Yusuke, et al.
Veröffentlicht: (2024)

Learning Data-Efficient and Generalizable Neural Operators via Fundamental Physics Knowledge
von: Ma, Siying, et al.
Veröffentlicht: (2026)

Reparameterized Multi-Resolution Convolutions for Long Sequence Modelling
von: Cunningham, Harry Jake, et al.
Veröffentlicht: (2024)

Neural Integral Operators for Inverse Problems: An Operator-Learning Framework for Small-Sample Spectroscopic Classification
von: Zappala, Emanuele, et al.
Veröffentlicht: (2025)

A Library for Learning Neural Operators
von: Kossaifi, Jean, et al.
Veröffentlicht: (2024)

Physics-Informed Geometry-Aware Neural Operator
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

Controlled Learning of Pointwise Nonlinearities in Neural-Network-Like Architectures
von: Unser, Michael, et al.
Veröffentlicht: (2024)

Geometric Neural Operators (GNPs) for Data-Driven Deep Learning of Non-Euclidean Operators
von: Quackenbush, Blaine, et al.
Veröffentlicht: (2024)

Test-time Generalization for Physics through Neural Operator Splitting
von: Serrano, Louis, et al.
Veröffentlicht: (2026)

Temporal Neural Operator for Modeling Time-Dependent Physical Phenomena
von: Diab, W., et al.
Veröffentlicht: (2025)

Multi-Resolution Active Learning of Fourier Neural Operators
von: Li, Shibo, et al.
Veröffentlicht: (2023)

Physics-Informed Neural Networks and Neural Operators for Parametric PDEs
von: Zhang, Zhuo, et al.
Veröffentlicht: (2025)