周期神经映射：非稳态转子叶片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，通过神经算子对涡轮转子叶片非定常压力分布进行快速预测，适用于叶轮机械气动弹性分析。

提出基于神经算子的CFD代理模型，用于小型模块化反应堆螺旋盘管蒸汽发生器的热工水力瞬态仿真，助力数字孪生实时分析。

提出周期物理信息神经网络（P-PINN）框架，实现参数化周期流的纯物理驱动求解与有限幅生气动弹性响应分析。

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。