Buchumschlag

SPINONet: Scalable Spiking Physics-informed Neural Operator for Computational Mechanics Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Garg, Shailesh, Mandl, Luis, Goswami, Somdatta, Chakraborty, Souvik
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computational Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Event-driven physics-informed operator learning for reliability analysis
von: Garg, Shailesh, et al.
Veröffentlicht: (2025)

CoNBONet: Conformalized Neuroscience-inspired Bayesian Operator Network for Reliability Analysis
von: Garg, Shailesh, et al.
Veröffentlicht: (2026)

NeuroPINNs: Neuroscience Inspired Physics Informed Neural Networks
von: Garg, Shailesh, et al.
Veröffentlicht: (2025)

Physics-Informed Time-Integrated DeepONet: Temporal Tangent Space Operator Learning for High-Accuracy Inference
von: Mandl, Luis, et al.
Veröffentlicht: (2025)

Data-Efficient Time-Dependent PDE Surrogates: Graph Neural Simulators vs. Neural Operators
von: Nayak, Dibyajyoti, et al.
Veröffentlicht: (2025)

Neural Hodge Corrective Solvers: A Hybrid Iterative-Neural Framework
von: Puthli, Arjun, et al.
Veröffentlicht: (2026)

Distribution free uncertainty quantification in neuroscience-inspired deep operators
von: Garg, Shailesh, et al.
Veröffentlicht: (2024)

When Spike Sparsity Does Not Translate to Deployed Cost: VS-WNO on Jetson Orin Nano
von: Yoo, Jason, et al.
Veröffentlicht: (2026)

A Resolution Independent Neural Operator
von: Bahmani, Bahador, et al.
Veröffentlicht: (2024)

Separable DeepONet: Breaking the Curse of Dimensionality in Physics-Informed Machine Learning
von: Mandl, Luis, et al.
Veröffentlicht: (2024)

Multimodal Neural Operators for Real-Time Biomechanical Modelling of Traumatic Brain Injury
von: Agarwal, Anusha, et al.
Veröffentlicht: (2025)

The Best of Both Worlds: Hybridizing Neural Operators and Solvers for Stable Long-Horizon Inference
von: Roy, Rajyasri, et al.
Veröffentlicht: (2025)

Distribution-Free Uncertainty-Aware Virtual Sensing via Conformalized Neural Operators
von: Kobayashi, Kazuma, et al.
Veröffentlicht: (2025)

Physics-Informed Latent Neural Operator for Real-time Predictions of time-dependent parametric PDEs
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2025)

Time Marching Neural Operator FE Coupling: AI Accelerated Physics Modeling
von: Wang, Wei, et al.
Veröffentlicht: (2025)

Hybrid variable spiking graph neural networks for energy-efficient scientific machine learning
von: Jain, Isha, et al.
Veröffentlicht: (2024)

A Bayesian Approach for Discovering Time- Delayed Differential Equation from Data
von: Chowdhury, Debangshu, et al.
Veröffentlicht: (2025)

Enhanced accuracy through ensembling of randomly initialized auto-regressive models for time-dependent PDEs
von: Khurjekar, Ishan, et al.
Veröffentlicht: (2025)

From Local Interactions to Global Operators: Scalable Gaussian Process Operator for Physical Systems
von: Kumar, Sawan, et al.
Veröffentlicht: (2025)

A Physics-informed Multi-resolution Neural Operator
von: Roy, Sumanta, et al.
Veröffentlicht: (2025)

Efficient Training of Deep Neural Operator Networks via Randomized Sampling
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2024)

Gradient-Free Continual Learning in Spiking Neural Networks via Inter-Spike Interval Regularization
von: Roy, Samrendra, et al.
Veröffentlicht: (2026)

Neural Operator Learning for Long-Time Integration in Dynamical Systems with Recurrent Neural Networks
von: Michałowska, Katarzyna, et al.
Veröffentlicht: (2023)

Learning Hidden Physics and System Parameters with Deep Operator Networks
von: Sarkar, Dibakar Roy, et al.
Veröffentlicht: (2024)

Physics-informed Partitioned Coupled Neural Operator for Complex Networks
von: Wu, Weidong, 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)

TI-DeepONet: Learnable Time Integration for Stable Long-Term Extrapolation
von: Nayak, Dibyajyoti, et al.
Veröffentlicht: (2025)

High-fidelity Multiphysics Modelling for Rapid Predictions Using Physics-informed Parallel Neural Operator
von: Yuan, Biao, et al.
Veröffentlicht: (2025)

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

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

PIP$^2$ Net: Physics-informed Partition Penalty Deep Operator Network
von: Mi, Hongjin, et al.
Veröffentlicht: (2025)

EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2025)

Neural Operator induced Gaussian Process framework for probabilistic solution of parametric partial differential equations
von: Kumar, Sawan, et al.
Veröffentlicht: (2024)

CortiNet: A Physics-Perception Hybrid Cortical-Inspired Dual-Stream Network for Gallbladder Disease Diagnosis from Ultrasound
von: Kumar, Vagish, et al.
Veröffentlicht: (2026)

Neural Operators for Stochastic Modeling of Nonlinear Structural System Response to Natural Hazards
von: Goswami, Somdatta, et al.
Veröffentlicht: (2025)

Scalable Random Wavelet Features: Efficient Non-Stationary Kernel Approximation with Convergence Guarantees
von: Kumar, Sawan, et al.
Veröffentlicht: (2026)

MENO: Hybrid Matrix Exponential-based Neural Operator for Stiff ODEs. Application to Thermochemical Kinetics
von: Zanardi, Ivan, et al.
Veröffentlicht: (2025)

Basis-to-Basis Operator Learning Using Function Encoders
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2024)

X-MeshGraphNet: Scalable Multi-Scale Graph Neural Networks for Physics Simulation
von: Nabian, Mohammad Amin, et al.
Veröffentlicht: (2024)

Mitigating Spectral Bias in Neural Operators via High-Frequency Scaling for Physical Systems
von: Khodakarami, Siavash, et al.
Veröffentlicht: (2025)