周期神经映射：涡轮转子叶片非定常压力与气动弹性载荷预测

提出周期傅里叶神经映射(p-FNM)框架，用于涡轮机械转子叶片非稳态压力分布和气动弹性载荷预测，降低高保真CFD仿真成本。

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。

提出改进FNO通过时间增量预测建模二维Rayleigh-Bénard对流，实现314k参数、7ms推理的高效模型，揭示训练数据分辨率对泛化精度的限制。

提出几何感知各向异性边界修正方法，利用神经算子替代传统CFD求解器处理空气动力学问题，改善边界区域物理行为建模。

提出WaveOp-LiteFM轻量化神经算子流匹配方法，解决卫星-雷达降水反演中计算成本与精度不可兼得的难题，适用于大气遥感领域。