电磁/Electromagnetics
提出基于量子张量列(QTT)的三维FDTD框架,将内存与计算开销从传统体尺度降为对数尺度,突破高分辨率电磁散射模拟的算力瓶颈。
见LICENSE文件 张量分解FDTD电磁散射
通用科学ML
洛斯阿拉莫斯国家实验室开源的36M参数UNet架构偏微分方程求解器v2版本,用于科学计算中的PDE代理建模。
见LICENSE文件 偏微分方程UNet神经算子
通用科学ML
提出一种近瞬时潜空间贝叶斯优化方法,通过采样代替传统顺序决策的昂贵计算开销,适配生成式模型驱动的逆设计流程。
见LICENSE文件 贝叶斯优化潜空间优化生成式设计
量子/化学
提出物理信息驱动的双态查询学习框架,解决GPCR配体生物活性预测中动态构象平衡被忽视的问题,提升功能效能区分能力。
见LICENSE文件 GPCR配体生物活性预测物理信息学习
通用科学ML
提出变分潜在马尔可夫算子框架,通过将物理状态编码为潜在分布并通过概率转移演化,解决神经PDE求解器在长时间预测中的误差累积与分布漂移问题。
见LICENSE文件 神经PDE求解器变分方法马尔可夫动力学
流体/CFD
针对输运主导系统,提出结构感知数据驱动降阶模型(ROM),利用 kinetic defect 公式分离特征输运与激波流形上的熵缺陷,提升低维线性子空间对移动前缘和激波的表征能力。
见LICENSE文件 降阶建模双曲守恒律激波捕捉
电磁/Electromagnetics
提出两种基于机器学习的校准方法,用于修正高能物理模拟与真实碰撞数据间的电磁簇射特征差异,提升探测器模拟精度。
见LICENSE文件 高能物理电磁簇射探测器校准
地球物理/Geophysics
提出基于集合平滑器的多重数据同化(ES-MDA)三步框架,统一解释现有自适应变体方法,并平衡精度与计算成本。
见LICENSE文件 数据同化集合方法反问题
电磁/Electromagnetics
提出神经模态分解(NMD)方法,将多端口系统响应矩阵分解为极点-留数形式,服务于RF腔体、光子器件等电磁系统的神经网络建模。
见LICENSE文件 神经模态分解电磁建模多端口系统
流体/CFD
提出 VIOT 神经算子,用于不可压缩流体密度传输的 amortized 生成,通过前馈推理直接预测无散度速度场并生成完整传输轨迹,将传统流体传输优化从小时级缩短至单次推理。
见LICENSE文件 不可压缩流神经算子最优传输
电磁/Electromagnetics
该研究对临近多运营商共享基站20层建筑的各楼层RF-EMF暴露进行评估,揭示天线垂直覆盖区域中心暴露最高达31.86 V/m。
见LICENSE文件 电磁场测量基站暴露RF-EMF评估
量子/量子化学
将制造约束的SPSA-Adam优化器直接耦合至全波有限元本征模仿真,实现量子系统频谱协同设计,无需解析或伴随梯度即可优化多频里德伯电测硬件。
见LICENSE文件 量子硬件谱协同设计里德伯电测
电磁/Electromagnetics
提出高频感应管焊接三维多物理场有限元框架,耦合时谐磁标量势与准稳态热输运方程,实现电磁-热耦合仿真预测。
见LICENSE文件 高频感应焊接多物理场仿真有限元方法
电磁/Electromagnetics
提出混合CNN-Transformer架构预测太阳耀斑等级,基于太阳大气磁能释放物理过程,实现C/M/X级耀斑预警。
见LICENSE文件 太阳耀斑太阳磁场空间天气
电磁/Electromagnetics
提出层状光子结构的S矩阵重构方法,将S矩阵定义为单层固有属性,独立于相邻界面,提升数值稳定性。
见LICENSE文件 RCWA散射矩阵光子结构
电磁/Electromagnetics
提出各向异性麦克斯韦神经算子(AMNO),学习EAST托卡马克一参量介电场族响应,实现离子回旋共振加热全波响应的快速参数化建模。
见LICENSE文件 等离子体物理离子回旋共振加热麦克斯韦方程
地球物理
针对三维时域机载电磁数据贝叶斯反演计算成本高昂的问题,开发持续学习的神经算子代理模型替代传统求解器,实现高效反演。
见LICENSE文件 机载电磁贝叶斯反演神经算子
电磁
基于物理信息神经算子学习磁流体动力学函数空间映射,实现任意参数和时间下磁重联状态的高效推断,降低大 Lundquist 数下的计算成本。
见LICENSE文件 磁流体动力学磁重联神经算子
通用科学ML
提出 Kuramoto 神经算子,将耦合振子动力学引入算子学习框架,突破传统固定基底的局限性,适用于局部相互作用主导的物理现象。
见LICENSE文件 神经算子PDE求解耦合振子
ScientificML
提出ADEx-FNO框架,通过环境域嵌入与符号距离函数表示,将傅里叶神经算子扩展至任意离散化和变几何场景,无需修改核心傅里叶层结构。
见LICENSE文件 傅里叶神经算子变几何PDE求解科学机器学习