Buchumschlag

A Numerical Method for Coupling Parameterized Physics-Informed Neural Networks and FDM for Advanced Thermal-Hydraulic System Simulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shin, Jeesuk, Seo, Donggyun, Yu, Sihyeong, Jeon, Joongoo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

Mathematical Modeling of Cancer-Bacterial Therapy: Analysis and Numerical Simulation via Physics-Informed Neural Networks
von: Farkane, Ayoub, et al.
Veröffentlicht: (2026)

Numerical simulation of transient heat conduction with moving heat source using Physics Informed Neural Networks
von: Kalyan, Anirudh, et al.
Veröffentlicht: (2025)

eXtended Physics Informed Neural Network Method for Fracture Mechanics Problems
von: Lotfalian, Amin, et al.
Veröffentlicht: (2025)

PINNSim: A Simulator for Power System Dynamics based on Physics-Informed Neural Networks
von: Stiasny, Jochen, et al.
Veröffentlicht: (2023)

Preconditioning for Physics-Informed Neural Networks
von: Liu, Songming, et al.
Veröffentlicht: (2024)

Convergence of Stochastic Gradient Methods for Wide Two-Layer Physics-Informed Neural Networks
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Pychop: Emulating Low-Precision Arithmetic in Numerical Methods and Neural Networks
von: Carson, Erin, et al.
Veröffentlicht: (2025)

Dual-Balancing for Physics-Informed Neural Networks
von: Zhou, Chenhong, et al.
Veröffentlicht: (2025)

A Conformal Prediction Framework for Uncertainty Quantification in Physics-Informed Neural Networks
von: Yu, Yifan, et al.
Veröffentlicht: (2025)

E-PINNs: Epistemic Physics-Informed Neural Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

Coupling Physics Informed Neural Networks with External Solvers
von: Halder, Rahul, et al.
Veröffentlicht: (2025)

Bayesian Physics Informed Neural Networks for Linear Inverse problems
von: Mohammad-Djafari, Ali
Veröffentlicht: (2025)

Transformed Physics-Informed Neural Networks for The Convection-Diffusion Equation
von: Guan, Jiajing, et al.
Veröffentlicht: (2024)

Number Theoretic Accelerated Learning of Physics-Informed Neural Networks
von: Matsubara, Takashi, et al.
Veröffentlicht: (2023)

Error Analysis and Numerical Algorithm for PDE Approximation with Hidden-Layer Concatenated Physics Informed Neural Networks
von: Qian, Yianxia, et al.
Veröffentlicht: (2024)

Coupling of the Finite Element Method with Physics Informed Neural Networks for the Multi-Fluid Flow Problem
von: Nohra, Michel, et al.
Veröffentlicht: (2024)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks with Trust-Region Sequential Quadratic Programming
von: Cheng, Xiaoran, et al.
Veröffentlicht: (2024)

Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers
von: Zhang, Enrui, et al.
Veröffentlicht: (2022)

Generalization Bounds for Physics-Informed Neural Networks for the Incompressible Navier-Stokes Equations
von: Andre-Sloan, Sebastien, et al.
Veröffentlicht: (2026)

Ensemble learning for Physics Informed Neural Networks: a Gradient Boosting approach
von: Fang, Zhiwei, et al.
Veröffentlicht: (2023)

THINNs: Thermodynamically Informed Neural Networks
von: Castro, Javier, et al.
Veröffentlicht: (2025)

Weak Physics Informed Neural Networks for Geometry Compatible Hyperbolic Conservation Laws on Manifolds
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

Numerically Informed Convolutional Operator Network with Subproblem Decomposition for Poisson Equations
von: Jung, Kyoungjin, et al.
Veröffentlicht: (2026)

Physics-Informed Geometry-Aware Neural Operator
von: Zhong, Weiheng, et al.
Veröffentlicht: (2024)

Causal Operator Discovery in Partial Differential Equations via Counterfactual Physics-Informed Neural Networks
von: Katende, Ronald
Veröffentlicht: (2025)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

SVD-PINNs: Transfer Learning of Physics-Informed Neural Networks via Singular Value Decomposition
von: Gao, Yihang, et al.
Veröffentlicht: (2022)

Non-Asymptotic Stability and Consistency Guarantees for Physics-Informed Neural Networks via Coercive Operator Analysis
von: Katende, Ronald
Veröffentlicht: (2025)

From Simple to Complex: Curriculum-Guided Physics-Informed Neural Networks via Gaussian Mixture Models
von: Yang, Jianan, et al.
Veröffentlicht: (2026)

Learning from Integral Losses in Physics Informed Neural Networks
von: Saleh, Ehsan, et al.
Veröffentlicht: (2023)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

Dual Cone Gradient Descent for Training Physics-Informed Neural Networks
von: Hwang, Youngsik, et al.
Veröffentlicht: (2024)

Examining the robustness of Physics-Informed Neural Networks to noise for Inverse Problems
von: Jekic, Aleksandra, et al.
Veröffentlicht: (2025)

Posterior Concentration of Bayesian Physics-Informed Neural Networks for Elliptic PDEs
von: Zhao, Yuxuan, et al.
Veröffentlicht: (2026)

Scalable Bayesian Physics-Informed Kolmogorov-Arnold Networks
von: Gao, Zhiwei, et al.
Veröffentlicht: (2025)

SPIKANs: Separable Physics-Informed Kolmogorov-Arnold Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2024)

Deep Ritz Physics-Informed Neural Network Method for Solving the Variational Inequality
von: Zhou, Qijia, et al.
Veröffentlicht: (2026)