Sifan Wang

Παρατίθεται από

	Όλα	Από το 2020
Παραθέσεις	10731	10724
h-index	15	15
i10-index	19	19

4800

2400

1200

3600

20212022202320242025325 1594 3064 4789 913

Δημόσια πρόσβαση

Προβολή όλων

13 άρθρα

1 άρθρο

διαθέσιμα

μη διαθέσιμα

Σύμφωνα με εντολές χρηματοδότησης

Συν-συγγραφείς

Paris PerdikarisUniversity of PennsylvaniaΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα seas.upenn.edu
Lu LuAssistant Professor of Statistics and Data Science, Yale UniversityΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα yale.edu
Hanwen WangGraduate student, University of PennsylvaniaΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα sas.upenn.edu
George Em KarniadakisThe Charles Pitts Robinson and John Palmer Barstow Professor of Applied Mathematics and EngineeringΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα brown.edu
Shyam SankaranUniversity of PennsylvaniaΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα seas.upenn.edu
Liu YangDepartment of Mathematics, National University of SingaporeΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα nus.edu.sg
Xinling YuUniversity of California, Santa BarbaraΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα ucsb.edu
Shengze CaiZhejiang UniversityΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα zju.edu.cn
Zhicheng WangDalian University of TechnologyΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα dlut.edu.cn
Arka DawPhD Student in Computer Science, Virginia TechΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα vt.edu
Anuj KarpatneVirginia TechΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα vt.edu
Fang ZhiweiAmazonΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα amazon.com
Bowen LiDepartment of Mathematics, City University of Hong KongΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα math.duke.edu
Shunyuan MaoLos Alamos National LaboratoryΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα lanl.gov
Ruobing DongDepartment of Physics & Astronomy, University of VictoriaΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα uvic.ca
Tong-Rui LiuDepartment of Aeronautics, Imperial college LondonΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα ic.ac.uk

Παρακολούθηση

Sifan Wang

Postdoc, Yale University

Η διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα yale.edu - Αρχική σελίδα

Scientific Machine Learning AI for Science Machine Learning Deep Learning


Τίτλος Ταξινόμηση με βάση τις αναφορές Ταξινόμηση κατά έτος Ταξινόμηση κατά τίτλο	Παρατίθεται από Παρατίθεται από	Έτος
Physics-informed machine learning GE Karniadakis, IG Kevrekidis, L Lu, P Perdikaris, S Wang, L Yang Nature Reviews Physics 3 (6), 422-440, 2021	5069	2021
Understanding and mitigating gradient flow pathologies in physics-informed neural networks S Wang, Y Teng, P Perdikaris SIAM Journal on Scientific Computing 43 (5), A3055-A3081, 2021	1364*	2021
When and why PINNs fail to train: A neural tangent kernel perspective S Wang, X Yu, P Perdikaris Journal of Computational Physics 449, 110768, 2022	1039	2022
Physics-informed neural networks for heat transfer problems S Cai, Z Wang, S Wang, P Perdikaris, GE Karniadakis Journal of Heat Transfer 143 (6), 060801, 2021	895	2021
Learning the solution operator of parametric partial differential equations with physics-informed DeepONets S Wang, H Wang, P Perdikaris Science Advances 7 (40), 2021	741	2021
On the eigenvector bias of Fourier feature networks: From regression to solving multi-scale PDEs with physics-informed neural networks S Wang, H Wang, P Perdikaris Computer Methods in Applied Mechanics and Engineering 384, 113938, 2021	498	2021
Respecting causality for training physics-informed neural networks S Wang, S Sankaran, P Perdikaris Computer Methods in Applied Mechanics and Engineering 421, 116813, 2024	349*	2024
Mitigating propagation failures in physics-informed neural networks using retain-resample-release (r3) sampling A Daw, J Bu, S Wang, P Perdikaris, A Karpatne Proceedings of the 40 th International Conference on Machine Learning, 2023	154*	2023
Long-time integration of parametric evolution equations with physics-informed deeponets S Wang, P Perdikaris Journal of Computational Physics 475, 111855, 2023	146	2023
An expert's guide to training physics-informed neural networks S Wang, S Sankaran, H Wang, P Perdikaris arXiv preprint arXiv:2308.08468, 2023	128	2023
Deep learning of free boundary and Stefan problems S Wang, P Perdikaris Journal of Computational Physics 428, 109914, 2021	113	2021
Improved architectures and training algorithms for deep operator networks S Wang, H Wang, P Perdikaris Journal of Scientific Computing 92 (2), 35, 2022	112	2022
Fast PDE-constrained optimization via self-supervised operator learning S Wang, MA Bhouri, P Perdikaris arXiv preprint arXiv:2110.13297, 2021	33	2021
PirateNets: Physics-informed Deep Learning with Residual Adaptive Networks S Wang, B Li, Y Chen, P Perdikaris arXiv preprint arXiv:2402.00326, 2024	22	2024
Ppdonet: Deep operator networks for fast prediction of steady-state solutions in disk–planet systems S Mao, R Dong, L Lu, KM Yi, S Wang, P Perdikaris The Astrophysical Journal Letters 950 (2), L12, 2023	18	2023
Learning only on boundaries: a physics-informed neural operator for solving parametric partial differential equations in complex geometries Z Fang, S Wang, P Perdikaris Neural Computation 36 (3), 475-498, 2024	13	2024
Cvit: Continuous vision transformer for operator learning S Wang, JH Seidman, S Sankaran, H Wang, GJ Pappas, P Perdikaris The Thirteenth International Conference on Learning Representations, 2024	10	2024
Ensemble learning for physics informed neural networks: A gradient boosting approach Z Fang, S Wang, P Perdikaris ICLR 2024 Workshop on AI4DifferentialEquations In Science, 2023	10	2023
Random weight factorization improves the training of continuous neural representations S Wang, H Wang, JH Seidman, P Perdikaris arXiv preprint arXiv:2210.01274, 2022	10	2022
Surrogate modeling of multi-dimensional premixed and non-premixed combustion using pseudo-time stepping physics-informed neural networks Z Cao, K Liu, K Luo, S Wang, L Jiang, J Fan Physics of Fluids 36 (11), 2024	3	2024

Δεν είναι δυνατή η εκτέλεση της ενέργειας από το σύστημα αυτή τη στιγμή. Προσπαθήστε ξανά αργότερα.

Άρθρα 1–20

Παραθέσεις ανά έτος

Διπλότυπες αναφορές

Συγχωνευμένες αναφορές

Προσθήκη από κοινού συγγραφέωνΣυν-συγγραφείς

Παρακολούθηση

Παρατίθεται από

Συν-συγγραφείς