太阳中微子地球物质效应快速代理模型

LPINNs 通过在标准密集 PINN 首层隐藏激活上引入输入依赖的局部化函数，为首层单元赋予感受野，以改善长域和高阶算子的优化难题，无需域分割或额外界面损失。

提出自适应记忆门控机制，让神经算子根据观测条件动态调整内存权重，提升时间依赖PDE求解的适应性。

提出自适应算子变换（AOT）方法解决多PDE预训练中解算子结构多样性问题，通过对目标解算子而非模型容量进行适配，提升神经算子在跨方程任务中的泛化能力。

DeepFEAv2 框架将深度学习代理模型应用于非结构化网格的瞬态有限元分析，实现节点级和单元级输出的联合预测，降低结构力学仿真计算成本。

基于流形函数编码器的 PDE 神经算子求解器，内存占用与数据分辨率解耦，支持任意形式PDE输入，适合大规模物理仿真。