Buchumschlag

Learning embeddings of non-linear PDEs: the Burgers' equation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tarancón-Álvarez, Pedro, Sarieddine, Leonid, Protopapas, Pavlos, Jimenez, Raul
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Analysis of PDEs Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient PINNs via Multi-Head Unimodular Regularization of the Solutions Space
von: Tarancón-Álvarez, Pedro, et al.
Veröffentlicht: (2025)

Stiff Transfer Learning for Physics-Informed Neural Networks
von: Seiler, Emilien, et al.
Veröffentlicht: (2025)

One-Shot Transfer Learning for Nonlinear PDEs with Perturbative PINNs
von: Auroy, Samuel, et al.
Veröffentlicht: (2025)

Latent Neural PDE Solver: a reduced-order modelling framework for partial differential equations
von: Li, Zijie, et al.
Veröffentlicht: (2024)

Physics-informed fine-tuning of foundation models for partial differential equations
von: Medvedev, Vlad, et al.
Veröffentlicht: (2026)

Adaptive control of reaction-diffusion PDEs via neural operator-approximated gain kernels
von: Bhan, Luke, et al.
Veröffentlicht: (2024)

$PINN - a Domain Decomposition Method for Bayesian Physics-Informed Neural Networks
von: Figueres, Júlia Vicens, et al.
Veröffentlicht: (2025)

An Implicit GNN Solver for Poisson-like problems
von: Nastorg, Matthieu, et al.
Veröffentlicht: (2023)

Conformal mapping based Physics-informed neural networks for designing neutral inclusions
von: Cho, Daehee, et al.
Veröffentlicht: (2025)

A novel framework for generalization of deep hidden physics models
von: Kag, Vijay, et al.
Veröffentlicht: (2024)

ACMP: Allen-Cahn Message Passing with Attractive and Repulsive Forces for Graph Neural Networks
von: Wang, Yuelin, et al.
Veröffentlicht: (2022)

Quantitative Analysis of Molecular Transport in the Extracellular Space Using Physics-Informed Neural Network
von: Xie, Jiayi, et al.
Veröffentlicht: (2024)

Implicit Bias of the JKO Scheme
von: Halmos, Peter, et al.
Veröffentlicht: (2025)

General Explicit Network (GEN): A novel deep learning architecture for solving partial differential equations
von: Ma, Genwei, et al.
Veröffentlicht: (2026)

SPIKE: Stable Physics-Informed Kernel Evolution Method for Solving Hyperbolic Conservation Laws
von: Su, Hua, et al.
Veröffentlicht: (2025)

PILD: Physics-Informed Learning via Diffusion
von: Zeng, Tianyi, et al.
Veröffentlicht: (2026)

Gravitational Duals from Equations of State
von: Bea, Yago, et al.
Veröffentlicht: (2024)

Learning functional components of PDEs from data using neural networks
von: Loman, Torkel E., et al.
Veröffentlicht: (2026)

From Monte Carlo to neural networks approximations of boundary value problems
von: Beznea, Lucian, et al.
Veröffentlicht: (2022)

Generalization Error Bounds for Picard-Type Operator Learning in Nonlinear Parabolic PDEs
von: Taniguchi, Koichi, et al.
Veröffentlicht: (2026)

Investigating the Ability of PINNs To Solve Burgers' PDE Near Finite-Time BlowUp
von: Kumar, Dibyakanti, et al.
Veröffentlicht: (2023)

Smooth Piecewise Cutting for Neural Operator to Handle Discontinuities and Sharp Transitions
von: Dang, Ha, et al.
Veröffentlicht: (2026)

Data assimilation and discrepancy modeling with shallow recurrent decoders
von: Bao, Yuxuan, et al.
Veröffentlicht: (2025)

SPDEBench: An Extensive Benchmark for Learning Stochastic PDEs
von: Zhu, Yuantu, et al.
Veröffentlicht: (2025)

Regularity of Second-Order Elliptic PDEs in Spectral Barron Spaces
von: Chen, Ziang, et al.
Veröffentlicht: (2026)

Barron Space Representations for Elliptic PDEs with Homogeneous Boundary Conditions
von: Chen, Ziang, et al.
Veröffentlicht: (2025)

Score Shocks: The Burgers Equation Structure of Diffusion Generative Models
von: Sarkar, Krisanu
Veröffentlicht: (2026)

A Physics Informed Neural Network (PINN) Methodology for Coupled Moving Boundary PDEs
von: Kathane, Shivprasad, et al.
Veröffentlicht: (2024)

Hermite Neural Network Simulation for Solving the 2D Schrodinger Equation
von: Parand, Kourosh, et al.
Veröffentlicht: (2024)

Improved Uncertainty Quantification in Physics-Informed Neural Networks Using Error Bounds and Solution Bundles
von: Flores, Pablo, et al.
Veröffentlicht: (2025)

Derivation of effective gradient flow equations and dynamical truncation of training data in Deep Learning
von: Chen, Thomas
Veröffentlicht: (2025)

Backstepping Neural Operators for $2\times 2$ Hyperbolic PDEs
von: Wang, Shanshan, et al.
Veröffentlicht: (2023)

A non-homogeneous generalization of Burgers equations
von: Maltese, Francesco
Veröffentlicht: (2024)

Autoregression-Free Neural Operators for Time-Dependent PDEs
von: Zhang, Jiaquan, et al.
Veröffentlicht: (2026)

Guided Diffusion Sampling on Function Spaces with Applications to PDEs
von: Yao, Jiachen, et al.
Veröffentlicht: (2025)

Besov regularity of non-linear parabolic PDEs on non-convex polyhedral domains
von: Dahlke, Stephan, et al.
Veröffentlicht: (2021)

Solving PDEs With Deep Neural Nets under General Boundary Conditions
von: Zhang, Chenggong
Veröffentlicht: (2025)

Learning Where the Physics Is: Probabilistic Adaptive Sampling for Stiff PDEs
von: Srinivasan, Akshay Govind, et al.
Veröffentlicht: (2026)

On the Cauchy problem of dispersive Burgers type equations
von: Said, Ayman Rimah
Veröffentlicht: (2021)

Nonlinear asymptotic stability of non-self-similar rarefaction wave for two-dimensional viscous Burgers equation
von: Huang, Feimin, et al.
Veröffentlicht: (2024)