Digital twins modeling via conditional generative models || Aug 14, 2026
Modélisation des jumeaux numériques via des modèles génératifs conditionnels || Aug 14, 2026
★
★
★
★
☆
4/5
CRUNCH Group: Home of Math + Machine Learning + X
@crunchgroup
KANDy: Kolmogorov-Arnold Networks for Dynamics and Emerging Variants || Aug 7, 2026
KANDy : Réseaux de Kolmogorov-Arnold pour la dynamique et variantes émergentes || 7 août 2026
★
★
★
★
☆
4/5
Neural Network-Based Estimation of Time-Dependent Parameters || July 31, 2026
Estimation des paramètres dépendant du temps par réseaux de neurones || 31 juillet 2026
★
★
★
★
☆
4/5
Symmetry-Preserving Compilers || Adaptive Spectral & Low-Rank Representations NOs|| July 24, 2026
Compilateurs préservant la symétrie || Représentations spectrales adaptatives et de bas rang NOs || 24 juillet 2026
★
★
★
☆
☆
3/5
Neural-operator element method || July 17, 2026
Méthode d'éléments par opérateurs neuronaux || 17 juillet 2026
★
★
★
★
☆
4/5
Resource-efficient Foundation Models for Scientific Applications || July 10, 2026
Modèles de fondation économes en ressources pour les applications scientifiques || 10 juillet 2026
★
★
★
★
☆
4/5
Physics-Constrained Agentic Training of Entropy-Stable PINNs || June 26, 2026
Entraînement agentique sous contrainte physique de PINN entropiquement stables || 26 juin 2026
★
★
★
★
☆
4/5
Diffusion Models for Probabilistic Forecasting || June 5, 2026
Modèles de diffusion pour la prévision probabiliste || 5 juin 2026
★
★
★
★
☆
4/5
ϕ−DeepONet: A Discontinuity Capturing Neural Operator || May 29, 2026
ϕ−DeepONet : Un opérateur neuronal de capture de discontinuité || 29 mai 2026
★
★
★
★
☆
4/5
In-context modeling as a retrain-free paradigm for foundation models || May 22, 2026
Modélisation in-context comme paradigme sans réentraînement pour les modèles de fondation || May 22, 2026
★
★
★
★
☆
4/5
Stochastic Port-Hamiltonian Neural Networks || May 15, 2026
Réseaux de neurones port-hamiltoniens stochastiques || 15 mai 2026
★
★
★
★
☆
4/5
Reduced order models for parameterized PDEs|| Neural network chemical kinetics || May 8, 2026
Modèles d'ordre réduit pour les EDP paramétrées|| Cinétique chimique par réseaux de neurones || 8 mai 2026
★
★
★
★
☆
4/5
A case study on AI+math || pADAM for Multi-Physics Learning || Apr 24, 2026
Une étude de cas sur IA+maths || pADAM pour l'apprentissage multiphysique || 24 avril 2026
★
★
★
★
☆
4/5
Ultra Fast PDE Solving via Physics Guided Few-step Diffusion || Apr 17, 2026
Résolution ultra rapide d'EDP via diffusion en quelques étapes guidée par la physique || 17 avril 2026
★
★
★
★
☆
4/5
Neural Pushforward Samplers || NN for Nonlinear Hyperbolic Conservation Laws|| Apr 10, 2026
Échantillonneurs pushforward neuronaux || NN pour les lois de conservation hyperboliques non linéaires || 10 avr 2026
★
★
★
★
☆
4/5
Convergence Analysis of Consistent PINNs for Elliptic PDEs || Apr 3, 2026
Analyse de convergence des PINN cohérents pour les EDP elliptiques || 3 avril 2026
★
★
★
★
☆
4/5
Stochastic PINNs solvers|| Multi-Resolution Independent Simulations for Turbulence || March 27, 2026
Solveurs SPINNs stochastiques || Simulations indépendantes multi-résolutions pour la turbulence || 27 mars 2026
★
★
★
★
☆
4/5
PINNs for Blood Flow Simulation|| ZENN for Heterogeneous Data-Driven Modeling || March 20, 2026
PINNs pour la simulation du flux sanguin|| ZENN pour la modélisation hétérogène basée sur les données || 20 mars 2026
★
★
★
★
☆
4/5
Physics-Informed Laplace Neural Operators || ML linear algebra algorithms || March 13, 2026
Opérateurs neuronaux de Laplace informés par la physique || Algorithmes d'algèbre linéaire ML || 13 mars 2026
★
★
★
★
☆
4/5
Multi-physics Joint Inversion || Learning perturbative nonlinear oscillatory dynamics||March 6, 2026
Inversion conjointe multi-physique || Apprentissage de dynamiques oscillatoires non linéaires perturbatives || 6 mars 2026
★
★
★
★
☆
4/5
Dirichlet boundary conditions on convex polygonal domains || Feb 27, 2026
Conditions aux limites de Dirichlet sur des domaines polygonaux convexes || Feb 27, 2026
★
★
★
★
☆
4/5
Why Muon Is Good but May Not Be Optimal || Feb 20, 2026
Pourquoi Muon est bon mais peut ne pas être optimal || 20 février 2026
★
★
★
★
☆
4/5
Randomized Greedy Algorithms for Neural Network Optimization || Feb 13, 2026
Algorithmes gloutons randomisés pour l'optimisation des réseaux de neurones || 13 février 2026
★
★
★
★
☆
4/5
Generative Models for Physics-Based Control || Thermodynamics-Driven Learning || Feb 6, 2026
Modèles Génétatifs pour le Contrôle Basé sur la Physique || Apprentissage Piloté par la Thermodynamique || 6 février 2026
★
★
★
★
☆
4/5
PAINT: Parallel-in-time Neural Twins || Jan 30, 2026
PAINT: Parallel-in-time Neural Twins || 30 janvier 2026
★
★
★
★
☆
4/5
Multi-Agent Systems for Discovery and Design|| Multi-Modal LLM for Material Science || Jan 23, 2026
Systèmes multi-agents pour la découverte et la conception|| LLM multimodal pour la science des matériaux || 23 janvier 2026
★
★
★
★
☆
4/5
Ultra-Fast Language Generation || Hybrid twinning using PBDW and DeepONet || Jan 16, 2026
Génération de langage ultra-rapide || Jumelage hybride utilisant PBDW et DeepONet || 16 janvier 2026
★
★
★
★
☆
4/5
Conditional Gaussian Koopman Network || PINNs with Fourier-enhanced Features || Jan 9, 2026
Réseau gaussien conditionnel de Koopman || PINNs avec caractéristiques enrichies par Fourier || 9 janvier 2026
★
★
★
★
☆
4/5
Transformer-Inspired Physics-Informed DeepONet|| From RoPINN to ProPINN ||Dec 19, 2025
DeepONet inspiré des Transformers et informé par la physique || De RoPINN à ProPINN || 19 décembre 2025
★
★
★
★
☆
4/5
PINN for Challenging Multiphase Flow Problems||Multi-Agent LLM for Intelligent Design ||Dec 12, 2025
PINN pour des problèmes difficiles d'écoulement multiphase||LLM multi-agents pour la conception intelligente ||Dec 12, 2025
★
★
★
★
☆
4/5
Residual-Based Adaptivity in Neural PDE Solvers || Variance estimation for UQ || Dec 5, 2025
Adaptivité basée sur les résidus dans les solveurs d'EDP neuronaux || Estimation de la variance pour l'UQ || Dec 5, 2025
★
★
★
★
☆
4/5
Generative AI for Discovering Novel Materials || Semi-analytical NN || Nov 21, 2025
IA générative pour découvrir de nouveaux matériaux || Réseau de neurones semi-analytique || 21 nov. 2025
★
★
★
★
☆
4/5
Understanding PINN’s Failure Modes || Progressive Sharpening from Jacobian Alignment|| Nov 14, 2025
Comprendre les modes de défaillance de PINN || Affûtage progressif à partir de l'alignement jacobien || 14 novembre 2025
★
★
★
★
☆
4/5
Shape-informed Operator Learning || Separable PINNs|| Nov 7, 2025
Apprentissage d'opérateurs basé sur la forme || PINNs séparables || 7 novembre 2025
★
★
★
★
☆
4/5
Differential Equations as Neural Network Representations || Oct 31, 2025
Représentation des équations différentielles par les réseaux de neurones || 31 oct. 2025
★
★
★
★
☆
4/5
Causality-Based Learning || Extreme Event Aware (η-) Learning || Oct 24, 2025
Apprentissage basé sur la causalité || Apprentissage (η-) conscient des événements extrêmes || 24 octobre 2025
★
★
★
★
☆
4/5
Stabilizing PDE-ML system || How Does Neural Network Training Work || Oct 17, 2025
Stabilisation du système PDE-ML || Comment fonctionne l'entraînement des réseaux de neurones || 17 octobre 2025
★
★
★
★
☆
4/5
Kernelization of Natural Gradient Methods for PIML || Oct 10, 2025
Noyautage des méthodes de gradient naturel pour PIML || 10 octobre 2025
★
★
★
★
☆
4/5
Bayesian Potential for UQ in Chemistry || Oct 3, 2025
Potentiel bayésien pour l'UQ en chimie || 3 octobre 2025
★
★
★
★
☆
4/5