本期正文

本期导读

第 43 周 Physics AI 论文速递，共 10 篇

本期要点

• 本期 10 篇，聚焦 pde、物理信息约束
• 推荐理由基于论文摘要自动生成，详见每条导读

论文推荐

1. Norm-optimal model order reduction in reproducing kernel Hilbert spaces

提出一种Norm-optimal model order reduction reproducing kernel的方法，在多个任务上验证了其有效性。

来源：92 pages, 7 figures

2. Low Residuals, Wrong Value: Learning the Viscosity Solution of Hamilton-Jacobi-Isaacs Equations with …

提出一种Residuals, Wrong Value: Viscosity Solution Hamilton-Jacobi-Isaacs的方法，在多个任务上验证了其有效性。

来源：43 pages, 9 figures

3. Synthetic Dataset Generation, Physical Consistency and Active Learning for Shape-Informed Surrogate Modeling …

提出一种Synthetic Dataset Generation, Physical Consistency Active的方法，在多个任务上验证了其有效性。

4. A mixed leading variable physics-informed neural network for nonsmooth dynamics simulation in …

提出一种mixed leading variable physics-informed network nonsmooth的方法，在多个任务上验证了其有效性。

来源：41 pages, 17 figures

5. PINN-LPCDD: Physics-Informed Neural Network with Learnable and Physically Consistent Domain Decomposition for …

提出一种PINN-LPCDD: Physics-Informed Network Learnable Physically Consistent的方法，在多个任务上验证了其有效性。

6. Learnable Splines for Unstructured Neural Operators

探讨了Learnable Splines Unstructured Operators的相关问题，值得关注。

7. Online reduced-order modeling from primal solver trajectories for PDE-constrained optimization

探索了Online reduced-order modeling primal solver trajectories在实际场景中的应用效果。

来源：25 pages

8. SBNO : Schrödinger Bridge Neural Operator for the Forward and Inverse Problems …

提出一种SBNO Schrödinger Bridge Operator Forward Inverse的方法，在多个任务上验证了其有效性。

来源：NeurIPS 2026

9. SINO: Scale-Invariant Neural Operator

提出一种SINO: Scale-Invariant Operator的方法，在多个任务上验证了其有效性。

来源：38 pages, 9 figures

10. PI-NOMT: Physics-Informed Neural Optimal Mass Transport for Brain Fluid Dynamics

探讨了PI-NOMT: Physics-Informed Optimal Mass Transport Brain的相关问题，值得关注。

数据来自 arXiv API（scripts/fetch-arxiv-digest.mjs），仅收录元数据与站点自撰推荐理由，不转载摘要全文。 收录标准：目标分类（cs.LG / physics.flu-dyn / physics.comp-ph / math.NA）× 核心词相关度 ≥ 2 × 最近 45 天提交 × 与站内已收录论文不重复。