聚变与核能

能源 / 聚变控制

深度强化学习直接控制托卡马克磁线圈，实现多种等离子体位形（含双雪花形）的精确约束，是 AI 控制真实物理装置的标志性公开案例。在风洞/等离子体实验装置上验证可重复部署，是 AI 控制真实物理装置的代表性工作。

电磁/Electromagnetics

面向托卡马克全3D电磁场计算的GPU加速隐式求解器，通过层级域分解与快速精确局部求解器协同设计实现大规模并行计算。

电磁/Electromagnetics

提出各向异性麦克斯韦神经算子（AMNO），学习EAST托卡马克一参量介电场族响应，实现离子回旋共振加热全波响应的快速参数化建模。

等离子体/聚变

提出PQLS准线性陀螺动力学输运求解器，在通用磁几何中采用特征值方法，并引入贝叶斯饱和规则闭合，提升托卡马克等离子体湍流输运预测能力。

流体/CFD

提出基于神经算子的CFD代理模型，用于小型模块化反应堆螺旋盘管蒸汽发生器的热工水力瞬态仿真，助力数字孪生实时分析。

电磁学

提出基于 KAN 的单参数代理模型，加速托卡马克中漂移动力学方程求解，用于快速计算新古典环形粘度扭矩，提升聚变等离子体建模效率。

热管理

提出验证门控多智能体治理框架，使热工水力学代理模型能够在运行状态切换下持续在线自适应，避免离线预训练模型的_condition-locked_问题。

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。