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

Y. Khassan; D. Efremenko; F. Buzaev; D. Derkach

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

31 июля 2026 г.

«Я всегда занимаюсь исследованиями на темы, которые меня по-настоящему волнуют»

Анастасия Деева изучает социально-экономические последствия избыточного веса в России. В интервью проекту «Молодые ученые Вышки» она рассказала о том, что красоту невозможно измерить, о желании написать роман, «достоевском» выгорании и работе в отеле, где снималось «Сияние».

30 июля 2026 г.

Два года роста или падения: как выбрать инвестиционную стратегию

Экономисты из НИУ ВШЭ совместно с коллегами из зарубежных университетов изучили движение биржевых цен за почти 100 лет и предложили инвестиционную стратегию, доходность которой почти вдвое могла бы превысить рыночную. Ученые предлагают придерживаться стратегии моментум, когда рынок растет в течение двух лет, и переключаться на стоимостный подход, когда рынок падает. Статья опубликована в ведущем международном журнале Journal of Banking and Finance.

28 июля 2026 г.

Исследователи ВШЭ показали связь между вниманием и трудностями общения при аутизме

Исследователи НИУ ВШЭ изучили, как трудности в общении детей с аутизмом связаны с работой мозга. Данные показали, что важную роль играют не только языковые сети, но и сети внимания. Чем хуже работали связи, поддерживающие фокус и переключение внимания, тем более выраженными были нарушения в коммуникации. Исследование опубликовано в журнале European Child & Adolescent Psychiatry.

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

Публикации

?

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

Хассан Я. Н., Ефременко Д. С., Бузаев Ф. А., Деркач Д. А.

Язык: английский

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.

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. 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.