DKEKAN：托卡马克中漂移动力学方程的单参数 KAN 代理模型

面向托卡马克全3D电磁场计算的GPU加速隐式求解器，通过层级域分解与快速精确局部求解器协同设计实现大规模并行计算。

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。

面向光伏承载力规划，以代理模型辅助不确定条件下多目标随机优化，并独立认证高保真结果。

研究利用人工神经网络构建黑盒优化的代理模型，在无法获得解析函数描述时，通过数值模拟获取目标函数值进行高效优化。

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。