基于界面自编码器的几何算子学习新

提出分数阶傅里叶神经算子（FrFNO），通过嵌入解析Mittag-Leffler传播子解决分数阶PDE的内存依赖与非线性耦合难题，实现高效代理建模。

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。

提出 Kuramoto 神经算子，将耦合振子动力学引入算子学习框架，突破传统固定基底的局限性，适用于局部相互作用主导的物理现象。

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。

Therm-FM提出将预训练PDE基础模型适配到3D-IC稳态与瞬态热传导仿真，降低逐设计从头训练的数据生成成本。