汽车交通

汽车气动 / 大规模 CFD

MIT 发布的超大规模汽车外气动数据集，含 8000 个参数化车型的 CFD 流场、网格与气动系数，是气动代理模型与几何生成设计的主力语料。可作为物理 AI 训练数据生成器与代理模型验证基线，是 CAE 工业链路的常用底层。

汽车气动 / 风阻预测

利用高保真 LES 数据训练代理模型，实现汽车风阻系数（Cd）预测的毫秒级评估，支撑汽车外流场数字化与气动优化；并给出代理模型相对 LES 的精度校验方法，形成汽车外气动造型快速迭代的标准方法论。

ScientificML

提出基于决策周期的动态电动自动驾驶Dial-a-Ride问题框架，联合优化车辆路径、时间表与充电决策。

流体/CFD

提出 TM4FF 物理约束算子学习框架，融合 Transformer 注意力机制与 Mamba 状态空间模型，实现流场高精度预测与去噪。

流体/CFD

提出周期物理信息神经网络（P-PINN）框架，实现参数化周期流的纯物理驱动求解与有限幅生气动弹性响应分析。