混合CNN与Transformer的太阳耀斑预测研究

利用Transformer网络为地月空间航天器交会对接任务提供热启动初始猜测，加速非凸轨迹优化的求解效率。

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。

针对316L不锈钢氢脆检测，提出区域留出(region-held-out)协议避免训练-测试集信息泄露，评估纹理特征与深度学习模型在SEM微观图像分类中的性能差异。

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。

PISCES 是一种无标注训练的卷积自编码器，在 OMNI 太阳风实测数据上引入物理约束，用于 L1 点太阳风瞬变事件的异常检测与空间天气预报。