算子学习综述（Operator Learning Survey）
该综述统一梳理了算子学习的版图：函数空间上的问题形式化、通用逼近理论、 主要架构族，以及关于采样、离散化与泛化的实践建议。
建议读法：先通读问题形式化章节建立框架，再深入架构对比部分，据此为自己的问题选定起点。
标签: 算子学习综述DeepONetFNO理论
相关条目
- 物理仿真与机器学习融合路线图 · 从经典 PDE 数值方法到数据驱动物理 AI 的系统学习路线，覆盖有限元、有限体积、代理模型、PINN 等方法的演进逻辑与适用场景。
- FNO（Fourier Neural Operator）入门教程 · 系统学习 Fourier Neural Operator（傅里叶神经算子）从理论到代码实现，适合希望将神经算子用于 PDE 代理模型的工程师与研究者。
- DeepONet 深度算子网络入门 · 系统学习 DeepONet（深度算子网络）的理论原理与 DeepXDE 代码实现，适合需要处理多物理参数场景的 PINN 开发者。
- Python 有限元从零开始 · 不依赖 FEniCS/Abaqus 等框架，从 NumPy/SciPy 出发实现 2D 弹性力学有限元求解器，深入理解 FEM 的每一个矩阵推导与组装细节。
- Physics-Based Deep Learning 在线教材 · 由慕尼黑工业大学团队维护的免费在线教材，系统讲解「物理 + 深度学习」的融合范式，从可微物理、PINN 到神经算子与湍流建模，配套可运行代码。