标签：降阶模型

电磁/Electromagnetics

针对介质阻挡放电中相同位置连续放电的重新点燃动力学，构建物理降阶模型，无需机器学习即可实现时间预测。

流体/CFD

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。

流体/CFD

基于patch自编码器与神经ODE构建分布式降阶模型，研究二维Kolmogorov湍流中的相对周期轨道与局域化recurrences。

结构

提出基于降阶模型的预条件器加速拓扑优化，通过EIFEM框架结合ROM技术降低有限元分析的计算成本。

通用科学ML

提出信息极限阶梯理论框架，量化有限信息条件下降阶模型的可预测性边界，涵盖无记忆/增记忆轨迹预测、事件预测、稳态统计与生成律。

生物医学流体 / 降阶模型

用神经网络从几何预测 0D 降阶模型的阻力/电感参数，把心血管血流仿真误差降低一半以上，最复杂的肺动脉模型在笔记本上 2 秒内完成，支撑临床数字孪生。融合实测应变与物理约束，可在大型基础设施上长期部署，为结构健康监测提供 AI 替代方案。

流体/CFD

提出Mollified-Sharp分解方法，通过概率分布对移动激波进行正则化处理，增强参数化降阶模型对含激波流动的捕捉能力。

ScientificML

提出基于卷积算子压缩的非线性降阶模型，突破线性投影方法的Kolmogorov N-width限制，以更少模态实现参数化PDE的高精度近似。