Buchumschlag

Efficient Real-Time Adaptation of ROMs for Unsteady Flows Using Data Assimilation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zighed, Ismaël, Nóvoa, Andrea, Magri, Luca, Sayadi, Taraneh
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

UP-dROM : Uncertainty-Aware and Parametrised dynamic Reduced-Order Model, application to unsteady flows
von: Zighed, Ismaël, et al.
Veröffentlicht: (2025)

Leveraging Scale Separation and Stochastic Closure for Data-Driven Prediction of Chaotic Dynamics
von: Zighed, Ismaël, et al.
Veröffentlicht: (2025)

Data-Assimilated Model-Based Reinforcement Learning for Partially Observed Chaotic Flows
von: Ozan, Defne E., et al.
Veröffentlicht: (2025)

Online model learning with data-assimilated reservoir computers
von: Nóvoa, Andrea, et al.
Veröffentlicht: (2025)

HFNO: an interpretable data-driven decomposition strategy for turbulent flows
von: Cayuela, Marco, et al.
Veröffentlicht: (2025)

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

Equation-informed data-driven identification of flow budgets and dynamics
von: Sevryugina, Nataliya, 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)

Physics-Informed Neural Network Approaches for Sparse Data Flow Reconstruction of Unsteady Flow Around Complex Geometries
von: Malineni, Vamsi Sai Krishna, et al.
Veröffentlicht: (2025)

Reconstructing unsteady flows from sparse, noisy measurements with a physics-constrained convolutional neural network
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Physics-constrained convolutional neural networks for inverse problems in spatiotemporal partial differential equations
von: Kelshaw, Daniel, et al.
Veröffentlicht: (2024)

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

Model-Based Reinforcement Learning for Control of Strongly-Disturbed Unsteady Aerodynamic Flows
von: Liu, Zhecheng, et al.
Veröffentlicht: (2024)

A Mesh-Adaptive Hypergraph Neural Network for Unsteady Flow Around Oscillating and Rotating Structures
von: Gao, Rui, et al.
Veröffentlicht: (2025)

OGF: An Online Gradient Flow Method for Optimizing the Statistical Steady-State Time Averages of Unsteady Turbulent Flows
von: Hickling, Tom, et al.
Veröffentlicht: (2025)

A Variational Computational-based Framework for Unsteady Incompressible Flows
von: Sababha, H., et al.
Veröffentlicht: (2024)

Interpretable Diagnostics and Adaptive Data Assimilation for Neural ODEs via Discrete Empirical Interpolation
von: Kim, Hojin, et al.
Veröffentlicht: (2025)

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

Development of a high-fidelity computational tool for chemically reacting hypersonic flow simulations
von: Margaritis, Athanasios T., et al.
Veröffentlicht: (2022)

Predicting Time-Dependent Flow Over Complex Geometries Using Operator Networks
von: Rabeh, Ali, et al.
Veröffentlicht: (2025)

Fusion-DeepONet: A Data-Efficient Neural Operator for Geometry-Dependent Hypersonic and Supersonic Flows
von: Peyvan, Ahmad, et al.
Veröffentlicht: (2025)

A real-time digital twin of azimuthal thermoacoustic instabilities
von: Nóvoa, Andrea, et al.
Veröffentlicht: (2024)

Predicting Onflow Parameters Using Transfer Learning for Domain and Task Adaptation
von: Yilmaz, Emre, et al.
Veröffentlicht: (2025)

Unfolding Time: Generative Modeling for Turbulent Flows in 4D
von: Saydemir, Abdullah, et al.
Veröffentlicht: (2024)

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

Fluid Deformation in Random Unsteady Flow
von: Lester, Daniel, et al.
Veröffentlicht: (2025)

Active Control of Turbulent Airfoil Flows Using Adjoint-based Deep Learning
von: Liu, Xuemin, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Flow Field Reconstruction Using SVGP Kolmogorov-Arnold Networks
von: Ju, Y. Sungtaek
Veröffentlicht: (2025)

BLISSNet: Deep Operator Learning for Fast and Accurate Flow Reconstruction from Sparse Sensor Measurements
von: Veremchuk, Maksym, et al.
Veröffentlicht: (2026)

Data-driven computation of adjoint sensitivities without adjoint solvers: An application to thermoacoustics
von: Ozan, Defne E., et al.
Veröffentlicht: (2024)

A Two-Phase Deep Learning Framework for Adaptive Time-Stepping in High-Speed Flow Modeling
von: Helwig, Jacob, et al.
Veröffentlicht: (2025)

Low-Order Flow Reconstruction and Uncertainty Quantification in Disturbed Aerodynamics Using Sparse Pressure Measurements
von: Mousavi, Hanieh, et al.
Veröffentlicht: (2025)

Learning Pore-scale Multi-phase Flow from Experimental Data with Graph Neural Network
von: Gu, Yuxuan, et al.
Veröffentlicht: (2024)

Invariant Control Strategies for Active Flow Control using Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Solving the Discretised Multiphase Flow Equations with Interface Capturing on Structured Grids Using Machine Learning Libraries
von: Chen, Boyang, et al.
Veröffentlicht: (2024)

FlowRefiner: Flow Matching-Based Iterative Refinement for 3D Turbulent Flow Simulation
von: Dai, Yilong, et al.
Veröffentlicht: (2026)

Multi-Scale Data Assimilation in Turbulent Models
von: Fossella, Francesco, et al.
Veröffentlicht: (2025)

Field Inversion Machine Learning for Time-Resolved Unsteady Flows in Airfoil Dynamic Stall
von: Li, Zilong, et al.
Veröffentlicht: (2025)

Time-Dependent Strategy for Improving Aortic Blood Flow Simulations with Boundary Control and Data Assimilation
von: Anwar, Muhammad Adnan, et al.
Veröffentlicht: (2024)

Unsteady Thermal and Flow Structures of an Impinging Sweeping Jet
von: Castellanos, Rodrigo, et al.
Veröffentlicht: (2025)