LeafNet：无扩散多层神经网络求解多维非线性双曲型方程新

提出PITT方法结合符号方程tokenization与Fourier神经算子，用于求解相对论Schwarzschild-Burgers流体方程的非线性双曲守恒律冲击波问题。

提出针对LGL节点高阶DG方法的子单元格熵残差驱动限制器，通过最近邻成对耗散实现欠解析双曲系统仿真的鲁棒性-精度平衡。

提出物理信息自监督学习框架，联合实现多丝正比室的线丝校准与相互作用位置重建，提升粒子探测器对运行条件变化和老化的适应能力。

基于物理信息图神经网络的交流最优潮流求解基础模型，在54种电网拓扑上预训练，可在10,000节点系统上实现2.45%零样本成本误差。

基于物理信息神经算子学习磁流体动力学函数空间映射，实现任意参数和时间下磁重联状态的高效推断，降低大 Lundquist 数下的计算成本。