Buchumschlag

Deep Learning-Accelerated Surrogate Optimization for High-Dimensional Well Control in Stress-Sensitive Reservoirs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Valiyev, Mahammad, Cornelio, Jodel, Jafarpour, Behnam
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

Multi-Step Embed to Control: A Novel Deep Learning-based Approach for Surrogate Modelling in Reservoir Simulation
von: Chen, Jungang, et al.
Veröffentlicht: (2024)

XQC: Well-conditioned Optimization Accelerates Deep Reinforcement Learning
von: Palenicek, Daniel, et al.
Veröffentlicht: (2025)

Boosting Offline Optimizers with Surrogate Sensitivity
von: Dao, Manh Cuong, et al.
Veröffentlicht: (2025)

PCENet: High Dimensional Surrogate Modeling for Learning Uncertainty
von: Shustin, Paz Fink, et al.
Veröffentlicht: (2022)

Time-Scale Separation in Q-Learning: Extending TD($\triangle$) for Action-Value Function Decomposition
von: Humayoo, Mahammad
Veröffentlicht: (2024)

High-Dimensional Surrogate Modeling for Closed-Loop Learning of Neural-Network-Parameterized Model Predictive Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2025)

Accelerating PDE Surrogates via RL-Guided Mesh Optimization
von: Meng, Yang, et al.
Veröffentlicht: (2026)

The Optimality of (Accelerated) SGD for High-Dimensional Quadratic Optimization
von: Zhang, Haihan, et al.
Veröffentlicht: (2024)

Joint Surrogate Learning of Objectives, Constraints, and Sensitivities for Efficient Multi-objective Optimization of Neural Dynamical Systems
von: Gressmann, Frithjof, et al.
Veröffentlicht: (2026)

OpenReservoirComputing: GPU-Accelerated Reservoir Computing in JAX
von: Williams, Jan, et al.
Veröffentlicht: (2026)

Segmenting Action-Value Functions Over Time-Scales in SARSA via TD($Δ$)
von: Humayoo, Mahammad
Veröffentlicht: (2024)

Anant-Net: Breaking the Curse of Dimensionality with Scalable and Interpretable Neural Surrogate for High-Dimensional PDEs
von: Menon, Sidharth S., et al.
Veröffentlicht: (2025)

Accelerating Reinforcement Learning Training Using Simulation Surrogate Models
von: Ghasemloo, Mohammadmahdi, et al.
Veröffentlicht: (2026)

Dual-Domain Deep Learning Method to Accelerate Local Basis Functions Computation for Reservoir Simulation in High-Contrast Porous Media
von: Li, Peiqi, et al.
Veröffentlicht: (2025)

Autonomous Pressure Control in MuVacAS via Deep Reinforcement Learning and Deep Learning Surrogate Models
von: Rodriguez-Llorente, Guillermo, et al.
Veröffentlicht: (2025)

A High-Level Compiler Integration Approach for Deep Learning Accelerators Supporting Abstraction and Optimization
von: Ahmadifarsani, Samira, et al.
Veröffentlicht: (2025)

Multiobjective Hydropower Reservoir Operation Optimization with Transformer-Based Deep Reinforcement Learning
von: Wu, Rixin, et al.
Veröffentlicht: (2023)

Sensitivity-Guided Framework for Pruned and Quantized Reservoir Computing Accelerators
von: Jafari, Atousa, et al.
Veröffentlicht: (2026)

Deep Jump Gaussian Processes for Surrogate Modeling of High-Dimensional Piecewise Continuous Functions
von: Xu, Yang, et al.
Veröffentlicht: (2025)

Forward Invariance in Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

Sequential Reservoir Computing for Efficient High-Dimensional Spatiotemporal Forecasting
von: Asanjan, Ata Akbari, et al.
Veröffentlicht: (2026)

Surrogate Ensemble in Expensive Multi-Objective Optimization via Deep Q-Learning
von: Wu, Yuxin, et al.
Veröffentlicht: (2026)

Bridging Graph Drawing and Dimensionality Reduction with Stochastic Stress Optimization
von: Hangan, Daniel, et al.
Veröffentlicht: (2026)

Deep Learning Surrogates for Emulating Stochastic Climate Tipping Dynamics
von: Hillier, Adeline, et al.
Veröffentlicht: (2026)

Neural Network-assisted Interval Reachability for Systems with Control Barrier Function-Based Safe Controllers
von: Ajeyemi, Damola, et al.
Veröffentlicht: (2025)

Safe Bayesian Optimization for the Control of High-Dimensional Embodied Systems
von: Wei, Yunyue, et al.
Veröffentlicht: (2024)

Contraction-Guided Adaptive Partitioning for Reachability Analysis of Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

Stabilizing Test-Time Adaptation of High-Dimensional Simulation Surrogates via D-Optimal Statistics
von: Zimmel, Anna, et al.
Veröffentlicht: (2026)

Island-Based Evolutionary Computation with Diverse Surrogates and Adaptive Knowledge Transfer for High-Dimensional Data-Driven Optimization
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

Trading off Consistency and Dimensionality of Convex Surrogates for the Mode
von: Nueve, Enrique, et al.
Veröffentlicht: (2024)

Fill-and-Spill: Deep Reinforcement Learning Policy Gradient Methods for Reservoir Operation Decision and Control
von: Tabas, Sadegh Sadeghi, et al.
Veröffentlicht: (2024)

Surrogate Modeling of Melt Pool Thermal Field using Deep Learning
von: Hemmasian, AmirPouya, et al.
Veröffentlicht: (2022)

Lithological Controls on the Permeability of Geologic Faults: Surrogate Modeling and Sensitivity Analysis
von: Lu, Hannah, et al.
Veröffentlicht: (2025)

Deep Learning Surrogates for Real-Time Gas Emission Inversion
von: Newman, Thomas, et al.
Veröffentlicht: (2025)

Analyzing Cost-Sensitive Surrogate Losses via $\mathcal{H}$-calibration
von: Shah, Sanket, et al.
Veröffentlicht: (2025)

Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates
von: Mana, Kyle, et al.
Veröffentlicht: (2023)

Understanding High-Dimensional Bayesian Optimization
von: Papenmeier, Leonard, et al.
Veröffentlicht: (2025)

Non-intrusive Learning of Physics-Informed Spatio-temporal Surrogate for Accelerating Design
von: Mondal, Sudeepta, et al.
Veröffentlicht: (2026)

Deep Intrinsic Coregionalization Multi-Output Gaussian Process Surrogate with Active Learning
von: Chang, Chun-Yi, et al.
Veröffentlicht: (2025)

Deep Learning-Based Surrogate Creep Modelling in Inconel 625: A High-Temperature Alloy Study
von: Das, Shubham, et al.
Veröffentlicht: (2025)