标签：物理信息学习

电磁/Electromagnetics

面向双径电磁传播下的窄带相干分布式多输入多输出网络，实现单快照三维纯相位定位。

电网优化

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。

CFD

提出LeafNet算法，通过将双曲守恒律方程重构为光滑解耦合系统，结合无扩散物理信息神经算法近似光滑函数，实现高维双曲方程的精确数值求解。

高能物理

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。

量子/化学

提出物理信息驱动的双态查询学习框架，解决GPCR配体生物活性预测中动态构象平衡被忽视的问题，提升功能效能区分能力。

电磁

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。

流体/CFD

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。

通用科学ML

提出在半导体制造生成式AI中通过构造方式强制执行硬物理约束的方法，确保生成的掩模、布局和工艺配方严格遵循光刻、输运、反应及器件物理限制。

电磁/Electromagnetics

系统性综述物理信息机器学习在电力系统设计、监控与控制中的应用，聚焦混合架构与物理约束嵌入方法。