上下文引导多任务优化：基于数值基础模型的少样本任务间协同学习方法

研究物理信息神经网络训练中的梯度冲突与多任务优化问题，针对刚性和高频偏微分方程提升收敛稳定性。

针对城市热应力问题，采用贝叶斯优化与代理模型框架分析城市冠层热缓解策略的参数范围，平衡白天空气温度、夜间空气温度和UTCI等热指标间的权衡关系。

提出一种近瞬时潜空间贝叶斯优化方法，通过采样代替传统顺序决策的昂贵计算开销，适配生成式模型驱动的逆设计流程。

基于残差卷积网络构建太阳中微子地球物质效应的深度学习代理模型，在中微子能量和天顶角参数空间内快速预测跃迁概率。

研究循环最速下降法（CSD）在任意维严格凸二次函数最小化问题中的收敛性，证明其具有倍指数收敛速率，扩展了此前仅限二维空间的理论结果。