Delta学习 mechanics: 面向通用科学机器学习的目标设计

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。

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。

洛斯阿拉莫斯国家实验室开源的36M参数UNet架构偏微分方程求解器v2版本，用于科学计算中的PDE代理建模。

提出PosteriorBench基准，针对科学逆问题中生成式求解器的后验分布匹配能力进行评估，弥补了点估计指标的不足。

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。