Suche nach Physics‑Informed Neural Networks

SymTorch: Automatisierte symbolische Distillation für Deep Learning

Die neue Bibliothek SymTorch ermöglicht es, komplexe neuronale Netzwerke in leicht verständliche, geschlossene mathematische Ausdrücke zu ü…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Neues Papier vereint PINNs und Neural Operators zur PDE‑Lösung

Ein kürzlich auf arXiv veröffentlichtes Papier mit der Referenz arXiv:2601.14517v1 präsentiert einen einheitlichen Rahmen für die beiden fü…

arXiv – cs.LG 22.01.2026 05:00

Forschung

Neues Verfahren prüft Genauigkeit von PINNs mit Fisher-Information

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovatives Prüfverfahren vorgestellt, das die Treue von Physics‑Informed Neur…

arXiv – cs.LG 21.01.2026 05:00

Forschung

PTL-PINNs: Schnellere, präzisere Lösung nichtlinearer Differentialgleichungen

Ein neues Verfahren namens PTL‑PINN (Perturbation‑Guided Transfer Learning with Physics‑Informed Neural Networks) verspricht, die Lösung ni…

arXiv – cs.LG 21.01.2026 05:00

Forschung

TENG++: Gradient löst PDEs mit Deep Neural Nets bei Randbedingungen

Partielle Differentialgleichungen (PDEs) bilden das Rückgrat vieler Modelle in Physik, Biologie und Technik. Traditionelle numerische Verfa…

arXiv – cs.LG 19.12.2025 05:00

Forschung

Neues Netzwerk ASPEN löst Ginzburg-Landau-Dynamik mit hoher Präzision

Physics‑Informed Neural Networks (PINNs) haben sich als leistungsstarkes, netzwerkfreies Verfahren zur Lösung partieller Differentialgleich…

arXiv – cs.LG 04.12.2025 05:00

Forschung

Neues Spiking-Netzwerk garantiert physikalische Genauigkeit auf Edge-Geräten

Die nächste Generation von eingebetteten KI-Systemen verlangt Echtzeitvorhersagen, die sowohl energieeffizient als auch physikalisch konsis…

arXiv – cs.LG 01.12.2025 05:00

Praxis

PINA wird Teil von PyTorch: Einheitliches SciML-Framework

Die neueste Entwicklung im Bereich Scientific Machine Learning (SciML) ist die Integration von PINA in das PyTorch-Ökosystem. Durch diese P…

PyTorch – Blog 18.11.2025 23:19

Forschung

<h1>LLMs schreiben Solver: Neue SciML-Agenten lösen ODEs ohne Vorhersagen</h1> <p>In der Welt des wissenschaftlichen Machine Learning haben Forscher lange versucht, komplexe physikalische Aufgaben direkt mit neuronalen Netzen zu lösen. Trotz vielversprechender Ansätze wie physics‑informed neural networks oder neural ODEs blieb die Erreichung hoher Genauigkeit und Stabilität oft ein Problem.</p> <p>Eine neuartige Idee setzt stattdessen auf große Sprachmodelle (LLMs), die Code generieren, der auf bewährten nu

arXiv – cs.LG 15.09.2025 05:00

Forschung

HyPINO: Neural Operator für Multi‑Physics PDEs ohne Feinabstimmung

HyPINO ist ein neuartiger Multi‑Physics Neural Operator, der ohne task‑spezifisches Fine‑Tuning über eine breite Palette parametrisierter p…

arXiv – cs.LG 08.09.2025 05:00

Forschung

Stochastische Gradientenverfahren zeigen lineare Konvergenz bei breiten PINNs

In einer neuen Veröffentlichung auf arXiv wird gezeigt, dass stochastische Gradientenverfahren – die in der Praxis häufig zum Trainieren vo…

arXiv – cs.LG 01.09.2025 05:00

Forschung

Neues Netzwerk PIANO verbessert Stabilität bei PDE‑Lösungen

Die Lösung zeitabhängiger partieller Differentialgleichungen (PDEs) ist ein zentrales Problem in Naturwissenschaft und Technik. Traditionel…

arXiv – cs.LG 25.08.2025 05:00

Finde Modelle, Firmen und Themen

SymTorch: Automatisierte symbolische Distillation für Deep Learning

Neues Papier vereint PINNs und Neural Operators zur PDE‑Lösung

Neues Verfahren prüft Genauigkeit von PINNs mit Fisher-Information

PTL-PINNs: Schnellere, präzisere Lösung nichtlinearer Differentialgleichungen

TENG++: Gradient löst PDEs mit Deep Neural Nets bei Randbedingungen

Neues Netzwerk ASPEN löst Ginzburg-Landau-Dynamik mit hoher Präzision

Neues Spiking-Netzwerk garantiert physikalische Genauigkeit auf Edge-Geräten

PINA wird Teil von PyTorch: Einheitliches SciML-Framework

HyPINO: Neural Operator für Multi‑Physics PDEs ohne Feinabstimmung

Stochastische Gradientenverfahren zeigen lineare Konvergenz bei breiten PINNs

Neues Netzwerk PIANO verbessert Stabilität bei PDE‑Lösungen

🍪 Cookie-Einstellungen