Kernel Methods for Some Transport Equations with Application to Learning Kernels for the Approximation of Koopman Eigenfunctions: A Unified Approach via Variational Methods, Green's Functions and the Method of Characteristics

Este trabajo presenta un marco unificado que demuestra la equivalencia de tres métodos analíticos (variacional, de funciones de Green y de características) para construir núcleos de reproducción en espacios de Hilbert que aproximan funciones propias de Koopman y otras ecuaciones de transporte, validado mediante optimización convexa y aprendizaje de múltiples núcleos.

Boumediene Hamzi, Houman Owhadi, Umesh VaidyaTue, 10 Ma🔢 math

A Gauss-Newton Method with No Additional PDE Solves Beyond Gradient Evaluation for Large-Scale PDE-Constrained Inverse Problems

Este artículo presenta un método de Gauss-Newton que elimina la necesidad de resolver ecuaciones diferenciales parciales adicionales más allá de las requeridas para el cálculo del gradiente en problemas de inversión de gran escala, como la inversión de onda completa, logrando así la eficiencia de los esquemas basados en gradientes sin sacrificar su rápida convergencia.

Cash Cherry, Samy Wu Fung, Luis Tenorio, Ebru Bozda\u{g}Tue, 10 Ma🔢 math

Finite element error analysis for elliptic parameter identification with power-type nonlinearity

Este artículo presenta un análisis de error para un problema de identificación de parámetros gobernado por ecuaciones elípticas con no linealidad de tipo potencia, estableciendo estimaciones de estabilidad condicional y derivando cotas de error *a priori* para una aproximación por elementos finitos que mejoran los resultados previos del caso lineal bajo supuestos de regularidad más débiles.

De-Han Chen, Yi-Hsuan Lin, Irwin YouseptTue, 10 Ma🔢 math

Full-Scale GPU-Accelerated Transient EM-Thermal-Mechanical Co-Simulation for Early-Stage Design of Advanced Packages

Este trabajo presenta un solver acoplado electromagnético-térmico-mecánico acelerado por GPU que permite simulaciones transitorias de escala completa y alta fidelidad para el diseño temprano de paquetes avanzados, superando las limitaciones de los métodos convencionales al identificar mecanismos de fallo ocultos como el estrés adiabático inducido por señales.

Hongyang Liu, Tejas Kulkarni, Ganesh Subbarayan, Cheng-Kok Koh, Dan JiaoTue, 10 Ma🔬 physics.app-ph

A unified high-resolution ODE framework for first-order methods

Este trabajo introduce un novedoso marco de ecuaciones diferenciales ordinarias (EDOs) de alta resolución O((s)r)O((\sqrt{s})^r) que supera las limitaciones de enfoques anteriores al permitir el análisis de métodos de primer orden con momento, proporcionando una comprensión más profunda de sus propiedades de convergencia y permitiendo modificaciones corregidas que garantizan tasas de convergencia óptimas.

Lixia Wang, Hao LuoTue, 10 Ma🔢 math

An Investigation of Stabilization Scaling in Finite-Strain Virtual Element Methods for Hyperelasticity

Este trabajo propone un método de estabilización libre de submalla para elementos virtuales en hiperelasticidad de gran deformación que desacopla los canales desviador y volumétrico, eliminando la sensibilidad a la teselación interna y garantizando una robustez uniforme en el régimen casi incompresible mediante un escalado espectral consistente con el tensor tangente de Newton.

Paulo Akira F. Enabe, Rodrigo ProvasiTue, 10 Ma🔢 math

A low-dissipation central scheme for ideal MHD

Este artículo presenta una extensión de un esquema central de baja disipación al sistema de magnetohidrodinámica (MHD) ideal en una y dos dimensiones, el cual combina un método de upwind central para las variables hidrodinámicas con un método de transporte restringido para las magnéticas, logrando una mayor resolución de discontinuidades de contacto y manteniendo la condición de divergencia nula del campo magnético.

Yu-Chen Cheng, Praveen Chandrashekar, Christian KlingenbergTue, 10 Ma🔢 math

LegONet: Plug-and-Play Structure-Preserving Neural Operator Blocks for Compositional PDE Learning

El artículo presenta LegONet, un marco composicional que construye solucionadores de EDP mediante bloques de operadores modulares y plug-and-play que preservan la estructura, separando el manejo de las condiciones de frontera y la integración temporal del aprendizaje del mecanismo para permitir la reutilización de componentes preentrenados y mejorar la estabilidad en predicciones a largo plazo.

Jiahao Zhang, Yueqi Wang, Guang LinTue, 10 Ma🔢 math

Caveats on formulating finite elasto-plasticity in curvilinear coordinates

Este artículo presenta una metodología práctica para la implementación numérica de la elastoplasticidad finita en coordenadas curvilíneas mediante cambios de base explícitos, aclarando el tratamiento de términos cinemáticos y tensionales específicos que surgen en deformaciones grandes y efectos anelásticos bajo simetría axial.

Giuliano Pretti, Robert E. Bird, William M. Coombs, Charles E. AugardeTue, 10 Ma🔢 math