Evolutionary Two-Stage Hyperparameter Optimization Strategies for Physics-Informed Neural Networks

F. Buzaev; D. Efremenko; E. Bugaev; Andrei Ermakov; D. Derkach; Daria Pugacheva; F. Ratnikov

doi:10.48550/arXiv.2606.20442

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

11 августа 2026 г.

Как интеллектуальный капитал влияет на экспорт регионов

Интеллектуальный капитал (ИК) — знания, кадры и внешние связи — значимо влияет на экспорт российских регионов, но эффект проявляется лишь после накопления определенного уровня ИК и не ослабевает в кризисы, выяснили исследователи НИУ ВШЭ — Пермь. Подробнее — в материале IQ Media.

10 августа 2026 г.

Ученые НИУ ВШЭ выяснили, почему любители сладкого чаще делают импульсивный выбор

Любовь к сладкому может быть связана не только с пищевыми привычками, но и с тем, как человек принимает решения. Исследователи НИУ ВШЭ объяснили, почему любители сладкого ведут себя импульсивно: дело не в стремлении получить все немедленно, а в нежелании мириться с неопределенностью. Результаты могут помочь улучшить терапию зависимостей. Результаты исследования опубликованы в журнале Frontiers in Psychology.

10 августа 2026 г.

«Научный бэкграунд помогает принимать более обоснованные решения»

Преподаватель Института демографии им. А.Г. Вишневского Артур Петросян и в жизни, и в работе ищет неочевидные решения. В интервью проекту «Молодые ученые Вышки» он рассказал о важности масштаба в статистике, практической пользе науки, умении переключаться и поиске неочевидных траекторий в городе и в профессии.

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Evolutionary Two-Stage Hyperparameter Optimization Strategies for Physics-Informed Neural Networks

Бузаев Ф. А., Ефременко Д. С., Бугаев Е. П., Andrei Ermakov, Деркач Д. А., Daria Pugacheva, Ратников Ф. Д.

Язык: английский

DOI

Ключевые слова: Physics-informed neural networks

В книге

AI & PDE: ICLR 2026 Workshop on AI and Partial Differential Equations

[б.и.], 2026.

Application of Physics-Informed Neural Networks for Solving the Inverse Advection-Diffusion Problem to Localize Pollution Sources

Ivan Chuprov, Деркач Д. А., Dmitry Efremenko и др., , in: Параллельные вычислительные технологии – XIX всероссийская конференция с международным участием, ПаВТ'2025. Короткие статьи и описания плакатов.: Издательский центр ЮУрГУ, 2025. P. 16–35.

Добавлено: 24 июня 2025 г.

Application of Physics-Informed Neural Networks for Solving the Inverse Advection-Diffusion Problem to Localize Pollution Sources

Деркач Д. А., Ефременко Д. С., Чупров И. А. и др., / Series Computer Science "arxiv.org". 2025. No. 2503.18849.

Добавлено: 25 марта 2025 г.

COMPLETE CHARACTERIZATION OF AXISYMMETRIC TURBULENT JET USING BACKGROUND ORIENTED SCHLIEREN AND PHYSICS-INFORMED NEURAL NETWORK

Ганичев А. А., Heat Transfer Research 2024 Vol. 56 No. 5 P. 17–35

Добавлено: 21 марта 2025 г.

Inferring Parameters and Reconstruction of Two-dimensional Turbulent Flows with Physics-informed Neural Networks

V. Parfenyev, M. Blumenau, I. Nikitin, JETP Letters 2024 Vol. 120 No. 8 P. 599–607

Obtaining system parameters and reconstructing the full flow state from limited velocity observations using conventional fluid dynamics solvers can be prohibitively expensive. Here we employ machine learning algorithms to overcome the challenge. As an example, we consider a moderately turbulent fluid flow, excited by a stationary force and described by a two-dimensional Navier–Stokes equation with ...

Добавлено: 4 ноября 2024 г.

Machine Learning. Special Issue of the ACML 2023

Бузаев Ф. А., Gao J., Чупров И. А. и др., Springer, 2023.

Добавлено: 20 января 2024 г.

Scaling transformation of the multimode nonlinear Schrödinger equation for physics-informed neural networks

Чупров И. А., Ефременко Д. С., Gao J. и др., / Series 2209 "[cs.NE]". 2022. No. 2209.14641.

Добавлено: 20 января 2024 г.