Buchumschlag

Bias-Constrained Diffusion Schedules for PDE Emulations: Reconstruction Error Minimization and Efficient Unrolled Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cleï, Constantin Le, Thuerey, Nils, Zhu, Xiaoxiang
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

Neural Emulator Superiority: When Machine Learning for PDEs Surpasses its Training Data
von: Koehler, Felix, et al.
Veröffentlicht: (2025)

Differentiability in Unrolled Training of Neural Physics Simulators on Transient Dynamics
von: List, Bjoern, et al.
Veröffentlicht: (2024)

PDE-Transformer: Efficient and Versatile Transformers for Physics Simulations
von: Holzschuh, Benjamin, et al.
Veröffentlicht: (2025)

APEBench: A Benchmark for Autoregressive Neural Emulators of PDEs
von: Koehler, Felix, et al.
Veröffentlicht: (2024)

INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers
von: Wei, Hao, et al.
Veröffentlicht: (2025)

Light Transport-aware Diffusion Posterior Sampling for Single-View Reconstruction of 3D Volumes
von: Leonard, Ludwic, et al.
Veröffentlicht: (2025)

The Unreasonable Effectiveness of Solving Inverse Problems with Neural Networks
von: Holl, Philipp, et al.
Veröffentlicht: (2024)

Flow Matching for Posterior Inference with Simulator Feedback
von: Holzschuh, Benjamin, et al.
Veröffentlicht: (2024)

ConFIG: Towards Conflict-free Training of Physics Informed Neural Networks
von: Liu, Qiang, et al.
Veröffentlicht: (2024)

Uncertainty-aware Surrogate Models for Airfoil Flow Simulations with Denoising Diffusion Probabilistic Models
von: Liu, Qiang, et al.
Veröffentlicht: (2023)

CRAFT: Conflict-Resolved Aggregation for Federated Training
von: Wang, Ziqi, et al.
Veröffentlicht: (2026)

Benchmarking Autoregressive Conditional Diffusion Models for Turbulent Flow Simulation
von: Kohl, Georg, et al.
Veröffentlicht: (2023)

Stabilizing Backpropagation Through Time to Learn Complex Physics
von: Schnell, Patrick, et al.
Veröffentlicht: (2024)

Symmetric Basis Convolutions for Learning Lagrangian Fluid Mechanics
von: Winchenbach, Rene, et al.
Veröffentlicht: (2024)

Unrolled Neural Networks for Constrained Optimization
von: Hadou, Samar, et al.
Veröffentlicht: (2026)

Generalizing PDE Emulation with Equation-Aware Neural Operators
von: Zhu, Qian-Ze, et al.
Veröffentlicht: (2025)

A Constrained Optimization Perspective of Unrolled Transformers
von: Porras-Valenzuela, Javier, et al.
Veröffentlicht: (2026)

Unrolled Graph Neural Networks for Constrained Optimization
von: Hadou, Samar, et al.
Veröffentlicht: (2025)

PRDP: Progressively Refined Differentiable Physics
von: Bhatia, Kanishk, et al.
Veröffentlicht: (2025)

Component-Based Machine Learning for Indoor Flow and Temperature Fields Prediction Latent Feature Aggregation and Flow Interaction
von: Wang, Shaofan, et al.
Veröffentlicht: (2025)

Physics-Constrained Adaptive Flow Matching for Climate Downscaling
von: Debeire, Kevin, et al.
Veröffentlicht: (2026)

HUANet: Hard-Constrained Unrolled ADMM for Constrained Convex Optimization
von: Tran, Trinh, et al.
Veröffentlicht: (2026)

Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control
von: Becktepe, Jannis, et al.
Veröffentlicht: (2026)

P3D: Scalable Neural Surrogates for High-Resolution 3D Physics Simulations with Global Context
von: Holzschuh, Benjamin, et al.
Veröffentlicht: (2025)

Training Data Attribution via Approximate Unrolled Differentiation
von: Bae, Juhan, et al.
Veröffentlicht: (2024)

tempoGAN: A Temporally Coherent, Volumetric GAN for Super-resolution Fluid Flow
von: Xie, You, et al.
Veröffentlicht: (2018)

Unrolled-SINDy: A Stable Explicit Method for Non linear PDE Discovery from Sparsely Sampled Data
von: Banna, Fayad Ali, et al.
Veröffentlicht: (2025)

diffSPH: Differentiable Smoothed Particle Hydrodynamics for Adjoint Optimization and Machine Learning
von: Winchenbach, Rene, et al.
Veröffentlicht: (2025)

Learning to Estimate Single-View Volumetric Flow Motions without 3D Supervision
von: Franz, Aleksandra, et al.
Veröffentlicht: (2023)

Tadpole: Autoencoders as Foundation Models for 3D PDEs with Online Learning
von: Liu, Qiang, et al.
Veröffentlicht: (2026)

Optimization Landscapes Learned: Proxy Networks Boost Convergence in Physics-based Inverse Problems
von: Goyal, Girnar, et al.
Veröffentlicht: (2025)

PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics
von: Franz, Aleksandra, et al.
Veröffentlicht: (2025)

Efficient Resource-Constrained Training of Transformers via Subspace Optimization
von: Nguyen, Le-Trung, et al.
Veröffentlicht: (2025)

Attention-Refined Unrolling for Sparse Sequential micro-Doppler Reconstruction
von: Mazzieri, Riccardo, et al.
Veröffentlicht: (2023)

Memory-Efficient Gradient Unrolling for Large-Scale Bi-level Optimization
von: Shen, Qianli, et al.
Veröffentlicht: (2024)

Learning Implicit Bias in Generative Spaces for Accelerating Protein Dynamics Emulation
von: Cheng, Kaihui, et al.
Veröffentlicht: (2026)

Understanding the Curse of Unrolling
von: Mehmood, Sheheryar, et al.
Veröffentlicht: (2026)

Towards a Foundation-Model Paradigm for Aerodynamic Prediction in Three-dimensional Design
von: Yang, Yunjia, et al.
Veröffentlicht: (2026)

Accelerating PDE-Constrained Optimization by the Derivative of Neural Operators
von: Cheng, Ze, et al.
Veröffentlicht: (2025)

Physics-embedded Fourier Neural Network for Partial Differential Equations
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)