Buchumschlag

Gauge-Equivariant Intrinsic Neural Operators for Geometry-Consistent Learning of Elliptic PDE Maps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Cheng, Pengcheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Operator Learning with Domain Decomposition for Geometry Generalization in PDE Solving
von: Huang, Jianing, et al.
Veröffentlicht: (2025)

Quotient Geometry, Effective Curvature, and Implicit Bias in Simple Shallow Neural Networks
von: Dong, Hang-Cheng, et al.
Veröffentlicht: (2026)

CATO: Charted Attention for Neural PDE Operators
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2026)

Interpretable Operator Learning for Inverse Problems via Adaptive Spectral Filtering: Convergence and Discretization Invariance
von: Dong, Hang-Cheng, et al.
Veröffentlicht: (2026)

Structure-Aware Epistemic Uncertainty Quantification for Neural Operator PDE Surrogates
von: Song, Haoze, et al.
Veröffentlicht: (2026)

Space-Time Continuous PDE Forecasting using Equivariant Neural Fields
von: Knigge, David M., et al.
Veröffentlicht: (2024)

SFO: Learning PDE Operators via Spectral Filtering
von: Koren, Noam, et al.
Veröffentlicht: (2026)

Graph Neural PDE Solvers with Conservation and Similarity-Equivariance
von: Horie, Masanobu, et al.
Veröffentlicht: (2024)

Can We Formally Verify Neural PDE Surrogates? SMT Compilation of Small Fourier Neural Operators
von: Baheri, Ali, et al.
Veröffentlicht: (2026)

An Operator-Consistent Graph Neural Network for Learning Diffusion Dynamics on Irregular Meshes
von: Li, Yuelian, et al.
Veröffentlicht: (2025)

From Uniform to Adaptive: General Skip-Block Mechanisms for Efficient PDE Neural Operators
von: Liu, Lei, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

CFO: Learning Continuous-Time PDE Dynamics via Flow-Matched Neural Operators
von: Hou, Xianglong, et al.
Veröffentlicht: (2025)

Metric Learning for Clifford Group Equivariant Neural Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2024)

SCNO: Spiking Compositional Neural Operator -- Towards a Neuromorphic Foundation Model for Nuclear PDE Solving
von: Roy, Samrendra, et al.
Veröffentlicht: (2026)

Grounding Continuous Representations in Geometry: Equivariant Neural Fields
von: Wessels, David R, et al.
Veröffentlicht: (2024)

How the Optimizer Shapes Learned Solutions in Equivariant Neural Networks
von: Stupariu, Teodor-Mihai, et al.
Veröffentlicht: (2026)

Large Language-Geometry Model: When LLM meets Equivariance
von: Li, Zongzhao, et al.
Veröffentlicht: (2025)

Separation Power of Equivariant Neural Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2024)

Fast and Distributed Equivariant Graph Neural Networks by Virtual Node Learning
von: Zhang, Yuelin, et al.
Veröffentlicht: (2025)

SEGNO: Generalizing Equivariant Graph Neural Networks with Physical Inductive Biases
von: Liu, Yang, et al.
Veröffentlicht: (2023)

Beyond Loss Guidance: Using PDE Residuals as Spectral Attention in Diffusion Neural Operators
von: Sawhney, Medha, et al.
Veröffentlicht: (2025)

From Basis to Basis: Gaussian Particle Representation for Interpretable PDE Operators
von: Li, Zhihao, et al.
Veröffentlicht: (2026)

Intrinsic Lorentz Neural Network
von: Shi, Xianglong, et al.
Veröffentlicht: (2026)

Relaxing Continuous Constraints of Equivariant Graph Neural Networks for Physical Dynamics Learning
von: Zheng, Zinan, et al.
Veröffentlicht: (2024)

Learning Under Laws: A Constraint-Projected Neural PDE Solver that Eliminates Hallucinations
von: Singha, Mainak
Veröffentlicht: (2025)

Equivariant Neural Simulators for Stochastic Spatiotemporal Dynamics
von: Minartz, Koen, et al.
Veröffentlicht: (2023)

Magnitude-Modulated Equivariant Adapter for Parameter-Efficient Fine-Tuning of Equivariant Graph Neural Networks
von: Jin, Dian, et al.
Veröffentlicht: (2025)

Relative Geometry of Neural Forecasters: Linking Accuracy and Alignment in Learned Latent Geometry
von: Kucukahmetler, Deniz, et al.
Veröffentlicht: (2026)

OpInf-LLM: Parametric PDE Solving with LLMs via Operator Inference
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2026)

Unisolver: PDE-Conditional Transformers Towards Universal Neural PDE Solvers
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

Generalized Reduction to the Isotropy for Flexible Equivariant Neural Fields
von: García-Castellanos, Alejandro, et al.
Veröffentlicht: (2026)

Diagnosing Spectral Ceilings in Equivariant Neural Force Fields
von: Kim, Hyunmog
Veröffentlicht: (2026)

Symmetry in the Wild: The Role of Equivariance in Neural Fluid Surrogates
von: Rygiel, Patryk, et al.
Veröffentlicht: (2026)

Ambient Physics: Training Neural PDE Solvers with Partial Observations
von: Majid, Harris Abdul, et al.
Veröffentlicht: (2026)

Generative Latent Neural PDE Solver using Flow Matching
von: Li, Zijie, et al.
Veröffentlicht: (2025)

KO: Kinetics-inspired Neural Optimizer with PDE Simulation Approaches
von: Feng, Mingquan, et al.
Veröffentlicht: (2025)

Harnessing Scale and Physics: A Multi-Graph Neural Operator Framework for PDEs on Arbitrary Geometries
von: Li, Zhihao, et al.
Veröffentlicht: (2024)

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

Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency
von: Luo, Yuxiang, et al.
Veröffentlicht: (2026)