Physics-Constrained Neural Networks for Improved Short-Term Weather Forecasting: A Case Study over the South Pacific

E. Bugaev; F. Buzaev; D. Efremenko; D. Derkach; F. Ratnikov

doi:10.48550/arXiv.2606.17659

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

23 июля 2026 г.

РНФ поддержал 31 проект молодых ученых НИУ ВШЭ

Российский научный фонд подвел итоги трех конкурсов, направленных на поддержку молодых ученых. Победителями признаны более 850 проектов, в том числе 31 из Высшей школы экономики. На средства грантов будут проведены исследования, направленные на решение конкретных задач в рамках приоритетов научно-технологического развития, которые определены в Стратегии научно-технологического развития Российской Федерации.

22 июля 2026 г.

Тяга к сладкому оказалась важнее заботы о здоровье

Исследователи НИУ ВШЭ в Перми с помощью ЭЭГ изучили, как тяга к сладкому и интерес к здоровому питанию влияют на оценку газированных напитков со вкусом колы. В ходе дегустации участники оценивали вкус напитка и называли максимальную сумму, которую готовы за него заплатить. Оказалось, что чем выше интерес человека к здоровью, тем более сложным и когнитивно затратным для него является решение о готовности платить и тем меньше в итоге он будет готов заплатить за такой напиток. Исследование опубликовано в журнале British Food Journal.

21 июля 2026 г.

«Нам бы хотелось, чтоб наши корпуса использовались больше»

Созданные в Международной лаборатории языковой конвергенции и Школе лингвистики НИУ ВШЭ корпуса абхазо-адыгских языков, на которых говорят народы Западного Кавказа, позволяют изучить их особенности, показывают возможности современного использования. Создание корпусов стало возможным благодаря серии экспедиций ученых и студентов Вышки на Кавказ, современным методам лингвистической обработки и взаимодействию с коллегами из региональных университетов. О работе лингвистов новостной службе «Вышка.Главное» рассказал ведущий научный сотрудник Международной лаборатории языковой конвергенции, доцент Школы лингвистики Юрий Ландер.

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

Публикации

?

Physics-Constrained Neural Networks for Improved Short-Term Weather Forecasting: A Case Study over the South Pacific

Бугаев Е. П., Бузаев Ф. А., Ефременко Д. С., Деркач Д. А., 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.

Relative Position Biases for Transformer PINNs

Бузаев Ф. А., Andrei Ermakov, Ivanova M. и др., , in: AI & PDE: ICLR 2026 Workshop on AI and Partial Differential Equations.: [б.и.], 2026.

Добавлено: 24 июня 2026 г.

Flow-Matching Sampling in Physics-Informed Neural Networks for PDEs with Sharp Source Terms

Хассан Я. Н., Ефременко Д. С., Бузаев Ф. А. и др., , in: AI & PDE: ICLR 2026 Workshop on AI and Partial Differential Equations.: [б.и.], 2026.

Добавлено: 24 июня 2026 г.

Solution of the Multimode Nonlinear Schrödinger Equation Using Physics-Informed Neural Networks

Бузаев Ф. А., Чупров И. А., Ефременко Д. С. и др., Doklady Mathematics 2025

Добавлено: 28 апреля 2025 г.

Search for Optimal Architecture of Physics-Informed Neural Networks Using Differential Evolution Algorithm

F. A. Buzaev, D. S. Efremenko, I. A. Chuprov и др., Doklady Mathematics 2025 Vol. 110 P. S8–S14

The accuracy of solving partial differential equations using physics-informed neural networks (PINNs) significantly depends on their architecture and the choice of hyperparameters. However, manually searching for the optimal configuration can be difficult due to the high computational complexity. In this paper, we propose an approach for optimizing the PINN architecture using a differential evolution algorithm. ...

Добавлено: 28 апреля 2025 г.

Optimization of Physics-Informed Neural Networks for Solving the Nolinear Schrödinger Equation

Бузаев Ф. А., Чупров И. А., Ефременко Д. С., Doklady Mathematics 2023 Vol. 108 No. S2 P. S186–S195

Добавлено: 3 апреля 2024 г.

Оптимизация физико-информированных нейронных сетей для решения нелинейного уравнения Шредингера

Чупров И. А., Гао Ц., Ефременко Д. С. и др., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2023 Т. 514 № 2 С. 28–38

Физико-информированные нейронные сети (Physics Informed Neural Networks – PINN) являются перспективным методом решения уравнений в частных производных с помощью машинного обучения. В работе рассмотрено применение PINN к нелинейному уравнению Шредингера для описания ...

Добавлено: 19 декабря 2023 г.

Hybrid acceleration techniques for the physics-informed neural networks: a comparative analysis

Бузаев Ф. А., Gao J., Ivan Chuprov и др., Machine Learning 2024 Vol. 113 No. 6 P. 3675 –3692

Добавлено: 19 декабря 2023 г.