Filtro de Kalman por conjuntos neuronal para flujos compresibles con choques
Descubre cómo el Neural EnKF mejora la asimilación de datos en flujos compresibles con choques, evitando oscilaciones espurias mediante redes neuronales.
#fluidos
Encuentro multiagente en flujos de fluidos vía aprendizaje reforzado
Aprende cómo el MARL optimiza el encuentro multiagente en flujos de fluidos. Supera estrategias ingenuas y evita que los agentes queden atrapados.
Red triplano con conciencia geométrica para predicción aerodinámica vehicular
Descubre GTF-Net, red neuronal que predice presión y esfuerzo cortante en vehículos con alta precisión, superando a CFD. Ideal para diseño temprano.
Aprendizaje de operadores Navier-Stokes 2D con predicción conforme
Aprende cómo la predicción conforme calibra la incertidumbre en redes neuronales para flujos Navier-Stokes 2D con pocos datos.
Modelos de Deriva para Flujo Sustituto
Descubre cómo los modelos de deriva generan flujos CFD de alta calidad en un solo paso, superando a la difusión en velocidad y precisión. Ideal para simulación en tiempo real.
Modelos de Deriva para Simulación de Flujo Sustituto
Descubre cómo los modelos de deriva generan flujos de fluidos de alta calidad en un solo paso, superando a la difusión en velocidad y precisión para simulación en tiempo real.
Blade: Método de inversión bayesiana sin derivadas con priors de difusión
Blade: método de inversión bayesiana sin derivadas con priors de difusión. Obtén muestras calibradas en dinámica de fluidos. Ideal para IA y ciencia de datos.
Blade: Inversión bayesiana sin derivadas con priors de difusión
Blade: inversión bayesiana sin derivadas con priors de difusión. Partículas interactuantes para posteriores precisos y calibrados en dinámica de fluidos.
Optimización de Políticas Guiada por Física con Autodestilación
Descubre PGPO, un nuevo método de optimización guiado por la física que estabiliza el post-entrenamiento de LLMs, mejorando hasta 4.5 puntos en Science-QA.
MENO: Operadores Neurales Mejorados con MeanFlow para Sistemas Dinámicos
Descubre MENO: el nuevo marco que mejora operadores neurales con MeanFlow para predicciones precisas en sistemas dinámicos, con hasta 14x más rapidez que DDIM.
Regresión de procesos gaussianos informada por física para reconstrucción de campos de flujo
Descubre cómo los procesos gaussianos con restricciones de frontera y física reconstruyen campos de flujo sin datos en la frontera. Ejemplos con cilindro y NACA 0412.
Hacia un modelo fundacional de física
Descubre GPhyT, el primer modelo fundacional de física que aprende dinámicas complejas sin ecuaciones, superando a arquitecturas especializadas en múltiples dominios.
Transferencia emergente de modelo base de física a turbulencia de laboratorio
Descubre cómo un modelo base de física entrenado solo en simulaciones predice turbulencia de laboratorio, cerrando la brecha simulación-experimento.
Reconstrucción inversa de ebullición con HB-ARFM
Descubre cómo HB-ARFM reconstruye campos de temperatura y velocidad en ebullición a partir de observaciones parciales, superando limitaciones Markovianas.
Predicción campo completo aeronaves 3D aprendizaje multigrid jerárquico
Descubre cómo el aprendizaje multigrid jerárquico acelera simulaciones CFD de aeronaves 3D, reduciendo costos computacionales sin perder precisión.
Aprendizaje de dinámicas macroscópicas invariantes a permutaciones
Descubre cómo modelar sistemas de partículas sin orden fijo con autoencoders invariantes a permutaciones. Aprende dinámicas macroscópicas para fluidos y polímeros.