基于物理引导ML与多目标优化的Co基高温合金γ'相 solvus 温度逆向设计新

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。

提出基于贝叶斯决策理论的多目标优化框架，通过最大化期望超体积处理不确定性下的输入点优化问题。

针对城市热应力问题，采用贝叶斯优化与代理模型框架分析城市冠层热缓解策略的参数范围，平衡白天空气温度、夜间空气温度和UTCI等热指标间的权衡关系。

提出全分辨率聚合物网络FRPN，同时保留原子级细节和单体级连通性，实现长链聚合物性质预测的多尺度建模。

SHRAV 是一个架构无关的计算框架，通过状态延续核心实现物理建模与逆向设计的可复用计算，适用于物理场预测与数值求解。