论文 / 综述

通用科学ML

证明原始BGN方法在时间步τ=h²时以二阶精度收敛于平均曲率流，采用向后误差分析技术。

流体/CFD

提出Runge-Kutta对齐的振荡消除DG框架，修复非线性稳定化对超收敛分析误差结构的破坏，为含激波捕捉的全离散DG格式建立理论基础。

通用科学ML

提出AKAPINN方法，将Kolmogorov-Arnold网络与PINN结合，应用于非线性应变限制偏微分方程的mesh-free求解，包含精确边界假设和伪Huber损失函数。

电磁/Electromagnetics

提出耦合麦克斯韦-电缆框架，结合FDTD与Hodgkin-Huxley/Fitzhugh-Nagumo动力学模拟分支神经元动作电位传播。

结构/Structural

本文在三维Freudenthal网格上证明了Scott-Vogelius元对k≥4满足inf-sup稳定性条件，完善了该经典混合有限元方法的理论框架，适用于Stokes问题的散度自由数值求解。

通用科学ML

研究几何条件化神经代理模型中不确定性量化方法的表现，对比封闭形式与采样方法在跨几何形状、流场预测和工程量上的有效性。

量子/化学

提出MARC-TS两阶段框架，通过端点条件化连续路径学习实现任意分辨率的过渡态查询与局部上下文细化，并发布T1x-IRC-8K数据集（8209反应、108万路径几何）。

通用科学ML

提出张量积多层法（TPML），结合Smolyak稀疏网格与核函数插值，通过耦合核尺度与各层填充距离实现高维函数逼近。

ScientificML

提出ICG-MTO框架，利用数值基础模型改进少样本场景下多任务优化中的任务间耦合估计，避免负迁移问题。

Materials

通过分子动力学模拟研究BZT材料中化学簇对铁电与弛豫态结构及功能特性的影响，揭示了局部化学不均匀性对材料性能的调控机制。

多体/机器人

提出基于深度强化学习的伴随机器人自适应交互策略，突破传统固定位置跟踪局限，实现动态工作空间中的灵活机器人伴随。

材料/Materials

提出物理信息机器学习框架用于Co基超合金逆设计，通过原子尺寸失配等描述符结合多目标优化提升γ'相溶出温度并控制密度。

流体/CFD

研究评估物理信息神经网络在大气热力温度预测任务中的能力，利用气压坐标热力学平流源方程作为物理约束，解决稀疏热力观测条件下的短时预报问题。

电磁/Electromagnetics

展示基于超构表面反射腔的五层衍射神经网络，实现角度复用多任务处理功能，突破光学神经网络的扩展性与多任务能力瓶颈。

多体

针对修型螺旋软体臂中承重螺旋域分离的特点，提出分离截面本构律，在局部参考系下评估各螺旋域力学响应并映射回全局坐标系，提升Cosserat rod模型精度。

ScientificML

研究循环最速下降法（CSD）在任意维严格凸二次函数最小化问题中的收敛性，证明其具有倍指数收敛速率，扩展了此前仅限二维空间的理论结果。

高能物理

提出物理信息自监督学习框架，联合实现多丝正比室的线丝校准与相互作用位置重建，提升粒子探测器对运行条件变化和老化的适应能力。

电磁/Electromagnetics

提出全隐式PIC方法在电磁情形下的扩展，实现全局能量与局域电荷的精确守恒，适用于开放磁约束中的高β等离子体平衡模拟。

原创研究论文

ICML 2026 论文，地下能源系统的几何/网格/物理无关神经算子，用图编码器捕获高分辨率局部异质特征，全局注意力解析长程物理影响；2D 断层 CO2 存储饱和度误差降为原 SOTA 的 1/4，对 GEOS 模拟器实现 19,873× 加速，对 ECLIPSE 实现 6,800× 加速。

原创研究论文

ICLR 2026 论文，提出准变等原子分子动力学预训练神经算子 ATOM，无需显式分子图，采用时间注意力并行解码多未来状态；自建 TG80 数据集（80 种化合物，250 万飞秒轨迹），在 MD17/RMD17/MD22 上零样本泛化表现优异。