Buchumschlag

Physics-Guided Dimension Reduction for Simulation-Free Operator Learning of Stiff Differential-Algebraic Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Le, Huy Hoang, Wang, Haoguang, Moya, Christian, Netto, Marcos, Lin, Guang
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

Conformalized Quantum DeepONet Ensembles for Scalable Operator Learning with Distribution-Free Uncertainty
von: Matlia, Purav, et al.
Veröffentlicht: (2026)

fPINN-DeepONet: A Physics-Informed Operator Learning Framework for Multi-term Time-fractional Mixed Diffusion-wave Equations
von: Lu, Binghang, et al.
Veröffentlicht: (2026)

Conformalized-DeepONet: A Distribution-Free Framework for Uncertainty Quantification in Deep Operator Networks
von: Moya, Christian, et al.
Veröffentlicht: (2024)

DeepONet as a Multi-Operator Extrapolation Model: Distributed Pretraining with Physics-Informed Fine-Tuning
von: Zhang, Zecheng, et al.
Veröffentlicht: (2024)

pADAM: A Plug-and-Play All-in-One Diffusion Architecture for Multi-Physics Learning
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2026)

Learning Neural Differential Algebraic Equations via Operator Splitting
von: Koch, James, et al.
Veröffentlicht: (2024)

An Energy-Based Self-Adaptive Learning Rate for Stochastic Gradient Descent: Enhancing Unconstrained Optimization with VAV method
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

Adversarial Autoencoders in Operator Learning
von: Enyeart, Dustin, et al.
Veröffentlicht: (2024)

Differentiable Chemistry in PINNs for Solving Parameterized and Stiff Reaction Systems
von: Babić, Miloš, et al.
Veröffentlicht: (2026)

Spurious Correlation Learning in Preference Optimization: Mechanisms, Consequences, and Mitigation via Tie Training
von: Moya, Christian, et al.
Veröffentlicht: (2026)

Some Best Practices in Operator Learning
von: Enyeart, Dustin, et al.
Veröffentlicht: (2024)

Controllable Expensive Multi-objective Learning with Warm-starting Bayesian Optimization
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2023)

FIBER: A Differentially Private Optimizer with Filter-Aware Innovation Bias Correction
von: Dm, Duc, et al.
Veröffentlicht: (2026)

Operator Learning for Power Systems Simulation
von: Schlegel, Matthew, et al.
Veröffentlicht: (2025)

Reduced-Basis Deep Operator Learning for Parametric PDEs with Independently Varying Boundary and Source Data
von: Wang, Yueqi, et al.
Veröffentlicht: (2025)

Muti-Fidelity Prediction and Uncertainty Quantification with Laplace Neural Operators for Parametric Partial Differential Equations
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

Conformalized Prediction of Post-Fault Voltage Trajectories Using Pre-trained and Finetuned Attention-Driven Neural Operators
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2024)

WSS-CL: Weight Saliency Soft-Guided Contrastive Learning for Efficient Machine Unlearning Image Classification
von: Tran, Thang Duc, et al.
Veröffentlicht: (2025)

HGAN-SDEs: Learning Neural Stochastic Differential Equations with Hermite-Guided Adversarial Training
von: Xu, Yuanjian, et al.
Veröffentlicht: (2025)

SDE Matching: Scalable and Simulation-Free Training of Latent Stochastic Differential Equations
von: Bartosh, Grigory, et al.
Veröffentlicht: (2025)

Identifiability of Differential-Algebraic Systems
von: Montanari, Arthur N., et al.
Veröffentlicht: (2024)

PO-CKAN:Physics Informed Deep Operator Kolmogorov Arnold Networks with Chunk Rational Structure
von: Wu, Junyi, et al.
Veröffentlicht: (2025)

SPRINQL: Sub-optimal Demonstrations driven Offline Imitation Learning
von: Hoang, Huy, et al.
Veröffentlicht: (2024)

Accelerating Approximate Thompson Sampling with Underdamped Langevin Monte Carlo
von: Zheng, Haoyang, et al.
Veröffentlicht: (2024)

Imitate the Good and Avoid the Bad: An Incremental Approach to Safe Reinforcement Learning
von: Hoang, Huy, et al.
Veröffentlicht: (2023)

Dimension Reduction with Locally Adjusted Graphs
von: Wang, Yingfan, et al.
Veröffentlicht: (2024)

Physics-Informed Geometric Operators to Support Surrogate, Dimension Reduction and Generative Models for Engineering Design
von: Khan, Shahroz, et al.
Veröffentlicht: (2024)

Morephy-Net: An Evolutionary Multi-objective Optimization for Replica-Exchange-based Physics-informed Neural Operator Learning Networks
von: Lu, Binghang, et al.
Veröffentlicht: (2025)

Ultra Fast PDE Solving via Physics Guided Few-step Diffusion
von: Kong, Cindy Xiangrui, et al.
Veröffentlicht: (2026)

Dimension Reduction for Symbolic Regression
von: Kahlmeyer, Paul, et al.
Veröffentlicht: (2025)

LiLaN: A Linear Latent Network as the Solution Operator for Real-Time Solutions to Stiff Nonlinear Ordinary Differential Equations
von: Nockolds, William Cole, et al.
Veröffentlicht: (2025)

Beyond Euclid: An Illustrated Guide to Modern Machine Learning with Geometric, Topological, and Algebraic Structures
von: Papillon, Mathilde, et al.
Veröffentlicht: (2024)

Conformalized-KANs: Uncertainty Quantification with Coverage Guarantees for Kolmogorov-Arnold Networks (KANs) in Scientific Machine Learning
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2025)

Reward Dimension Reduction for Scalable Multi-Objective Reinforcement Learning
von: Park, Giseung, et al.
Veröffentlicht: (2025)

From Top-1 to Top-K: A Reproducibility Study and Benchmarking of Counterfactual Explanations for Recommender Systems
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

Learning Functional Graphs with Nonlinear Sufficient Dimension Reduction
von: Kim, Kyongwon, et al.
Veröffentlicht: (2026)

Stiff Transfer Learning for Physics-Informed Neural Networks
von: Seiler, Emilien, et al.
Veröffentlicht: (2025)

Solving Richly Constrained Reinforcement Learning through State Augmentation and Reward Penalties
von: Jiang, Hao, et al.
Veröffentlicht: (2023)

Jeffreys Flow: Robust Boltzmann Generators for Rare Event Sampling via Parallel Tempering Distillation
von: Lin, Guang, et al.
Veröffentlicht: (2026)

Momentum Contrastive Learning with Enhanced Negative Sampling and Hard Negative Filtering
von: Hoang, Duy, et al.
Veröffentlicht: (2025)