Buchumschlag

An ALE-Consistent Graph Neural Operator-Transformer Framework for Fluid-Structure Interaction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Shihang, Saravia, Martín, Jiang, Haokui, Xue, Zhiyang, Cao, Shunxiang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Fluid Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Onset instability of inverted flags clamped by a cylinder
von: Jiang, Haokui, et al.
Veröffentlicht: (2024)

AeTHERON: Autoregressive Topology-aware Heterogeneous Graph Operator Network for Fluid-Structure Interaction
von: Kumar, Sushrut
Veröffentlicht: (2026)

Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time
von: Xu, Jingxuan, et al.
Veröffentlicht: (2025)

MENO: MeanFlow-Enhanced Neural Operators for Dynamical Systems
von: Yang, Tianyue, et al.
Veröffentlicht: (2026)

Neural SPH: Improved Neural Modeling of Lagrangian Fluid Dynamics
von: Toshev, Artur P., et al.
Veröffentlicht: (2024)

LLM4Fluid: Large Language Models as Generalizable Neural Solvers for Fluid Dynamics
von: Xiao, Qisong, et al.
Veröffentlicht: (2026)

Universal Physics Transformers: A Framework For Efficiently Scaling Neural Operators
von: Alkin, Benedikt, et al.
Veröffentlicht: (2024)

Fluids You Can Trust: Property-Preserving Operator Learning for Incompressible Flows
von: Sharma, Ramansh, et al.
Veröffentlicht: (2026)

Neural Kinematic Bases for Fluids
von: Liu, Yibo, et al.
Veröffentlicht: (2025)

Project and Generate: Divergence-Free Neural Operators for Incompressible Flows
von: Li, Xigui, et al.
Veröffentlicht: (2026)

The compressible Neural Particle Method for Simulating Compressible Viscous Fluid Flows
von: Shibukawa, Masato, et al.
Veröffentlicht: (2025)

DSO: Dual-Scale Neural Operators for Stable Long-term Fluid Dynamics Forecasting
von: Dong, Huanshuo, et al.
Veröffentlicht: (2026)

Deep Operator Learning for High-Fidelity Fluid Flow Field Reconstruction from Sparse Sensor Measurements
von: Dang, Hiep Vo, et al.
Veröffentlicht: (2024)

VICON: Vision In-Context Operator Networks for Multi-Physics Fluid Dynamics Prediction
von: Cao, Yadi, et al.
Veröffentlicht: (2024)

Modeling Multivariable High-resolution 3D Urban Microclimate Using Localized Fourier Neural Operator
von: Qin, Shaoxiang, et al.
Veröffentlicht: (2024)

A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
von: Gao, Rui, et al.
Veröffentlicht: (2022)

RiemannONets: Interpretable Neural Operators for Riemann Problems
von: Peyvan, Ahmad, et al.
Veröffentlicht: (2024)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

OmniFluids: Physics Pre-trained Modeling of Fluid Dynamics
von: Zhang, Rui, et al.
Veröffentlicht: (2025)

Physical Fidelity Reconstruction via Improved Consistency-Distilled Flow Matching for Dynamical Systems
von: Ma, Sicheng, et al.
Veröffentlicht: (2026)

Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

LinguaFluid: Language Guided Fluid Control via Semantic Rewards in Reinforcement Learning
von: Liang, Aoming, et al.
Veröffentlicht: (2025)

Solving Turbulent Rayleigh-Bénard Convection using Fourier Neural Operators
von: Straat, Michiel, et al.
Veröffentlicht: (2025)

Differentiable Autoencoding Neural Operator for Interpretable and Integrable Latent Space Modeling
von: Viknesh, Siva, et al.
Veröffentlicht: (2025)

Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
von: Chen, Biao, et al.
Veröffentlicht: (2026)

Harnessing Equivariance: Modeling Turbulence with Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Spectrally Informed Learning of Fluid Flows
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2024)

SIMR-NO: A Spectrally-Informed Multi-Resolution Neural Operator for Turbulent Flow Super-Resolution
von: Abid, Muhammad, et al.
Veröffentlicht: (2026)

Inpainting Computational Fluid Dynamics with Deep Learning
von: Shu, Dule, et al.
Veröffentlicht: (2024)

Learning Mesh-Free Discrete Differential Operators with Self-Supervised Graph Neural Networks
von: Starepravo, Lucas Gerken, et al.
Veröffentlicht: (2026)

Multi-scale Dynamic Wake Modeling and Prediction of Floating Offshore Wind Turbines via Physics-Informed Neural Networks and Fourier Neural Operators
von: Dong, Guodan, et al.
Veröffentlicht: (2026)

FIGNN: Feature-Specific Interpretability for Graph Neural Network Surrogate Models
von: Raut, Riddhiman, et al.
Veröffentlicht: (2025)

MeshMask: Physics-Based Simulations with Masked Graph Neural Networks
von: Garnier, Paul, et al.
Veröffentlicht: (2025)

Neural Operator-Based Surrogate Model for CFD:Helical Coil Steam Generator in Small Modular Reactor
von: Lee, Minseo, et al.
Veröffentlicht: (2026)

Fusion-DeepONet: A Data-Efficient Neural Operator for Geometry-Dependent Hypersonic and Supersonic Flows
von: Peyvan, Ahmad, et al.
Veröffentlicht: (2025)

Cross-Field Interface-Aware Neural Operators for Multiphase Flow Simulation
von: Wang, Zhenzhong, et al.
Veröffentlicht: (2025)

Transported Memory Networks accelerating Computational Fluid Dynamics
von: Schulz, Matthias, et al.
Veröffentlicht: (2025)

Invariant Control Strategies for Active Flow Control using Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Mean flow data assimilation using physics-constrained Graph Neural Networks
von: Quattromini, M., et al.
Veröffentlicht: (2024)

A Misleading Gallery of Fluid Motion by Generative Artificial Intelligence
von: Kashefi, Ali
Veröffentlicht: (2024)