Spatio-Temporal Methods for Data-driven Computer Animation and Simulation

Informacje na temat projektu

SpaTe

Identyfikator umowy o grant: 863850

DOI

10.3030/863850

Projekt został zamknięty

Data podpisania przez KE 13 Lutego 2020

Data rozpoczęcia 1 Września 2020

Data zakończenia 31 Sierpnia 2025

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity

€ 1 998 750,00

Wkład UE

€ 1 998 750,00

Koordynowany przez

TECHNISCHE UNIVERSITAET MUENCHEN
Germany

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Conference proceedings (4)

Guaranteed Conservation of Momentum for Learning Particle-based Fluid Dynamics

Autorzy: Lukas Prantl, Benjamin Ummenhofer, Vladlen Koltun, Nils Thuerey
Opublikowane w: Advances in Neural Information Processing, Numer 1, 2022
Wydawca: NeurIPS

Half-Inverse Gradients for Physical Deep Learning

Autorzy: Patrick Schnell, Philipp Holl, Nils Thuerey
Opublikowane w: ICLR, Numer 2022, 2022, Strona(/y) 1-22
Wydawca: ICLR

Solving Inverse Physics Problems with Score Matching

Autorzy: Benjamin Holzschuh, Simona Vegetti, Nils Thuerey
Opublikowane w: Advances in Neural Information Processing Systems, Numer 36, 2023, Strona(/y) -
Wydawca: Advances in Neural Information Processing Systems
DOI: 10.48550/arxiv.2301.10250

Global Transport for Fluid Reconstruction with Learned Self-Supervision

Autorzy: Erik Franz; Barbara Solenthaler; Nils Thuerey
Opublikowane w: CVPR, Numer 1, 2021
Wydawca: CVPR
DOI: 10.1109/cvpr46437.2021.00168

Peer reviewed articles (8)

Unsteady cylinder wakes from arbitrary bodies with differentiable physics-assisted neural network

Autorzy: Shuvayan Brahmachary, Nils Thuerey
Opublikowane w: Physical Review E, Numer 109, 2024, ISSN 2470-0045
Wydawca: American Physical Society
DOI: 10.1103/physreve.109.055304

Reviving autoencoder pretraining

Autorzy: You Xie; Nils Thuerey
Opublikowane w: Neural Computing and Applications, Numer 35, 2022, ISSN 0941-0643
Wydawca: Springer Verlag
DOI: 10.1007/s00521-022-07892-0

Deep learning-based predictive modeling of transonic flow over an airfoil

Autorzy: Liwei Chen, Nils Thuerey
Opublikowane w: Physics of Fluids, Numer 36, 2024, ISSN 1070-6631
Wydawca: American Institute of Physics
DOI: 10.1063/5.0238413

Realistic galaxy images and improved robustness in machine learning tasks from generative modelling

Autorzy: Benjamin J Holzschuh, Conor M O’Riordan, Simona Vegetti, Vicente Rodriguez-Gomez, Nils Thuerey
Opublikowane w: Monthly Notices of the Royal Astronomical Society, Numer 515, 2024, Strona(/y) 652-677, ISSN 0035-8711
Wydawca: Blackwell Publishing Inc.
DOI: 10.1093/mnras/stac1188

Differentiability in unrolled training of neural physics simulators on transient dynamics

Autorzy: Bjoern List, Li-Wei Chen, Kartik Bali, Nils Thuerey
Opublikowane w: Computer Methods in Applied Mechanics and Engineering, Numer 433, 2024, Strona(/y) 117441, ISSN 0045-7825
Wydawca: Elsevier BV
DOI: 10.1016/j.cma.2024.117441

Learned turbulence modelling with differentiable fluid solvers: physics-based loss functions and optimisation horizons

Autorzy: Björn List; Li-Wei Chen; Nils Thuerey
Opublikowane w: Crossref, Numer 1, 2022, ISSN 0022-1120
Wydawca: Cambridge University Press
DOI: 10.1017/jfm.2022.738

Towards high-accuracy deep learning inference of compressible flows over aerofoils

Autorzy: Li-Wei Chen; Nils Thuerey
Opublikowane w: Crossref, Numer 1, 2022, ISSN 0022-1120
Wydawca: Cambridge University Press
DOI: 10.1016/j.compfluid.2022.105707

Learning Similarity Metrics for Volumetric Simulations with Multiscale CNNs

Autorzy: Georg Kohl, Li-Wei Chen, Nils Thuerey
Opublikowane w: Proceedings of the AAAI Conference on Artificial Intelligence, Numer 37, 2023, Strona(/y) 8351-8359, ISSN 2374-3468
Wydawca: Association for the Advancement of Artificial Intelligence
DOI: 10.1609/aaai.v37i7.26007