自编码器与数值分析启发的流形学习在Navier-Stokes方程中的对比研究
流体/CFD
对比自编码器与基于经典数值分析的简洁扩散映射（PDM）方法在Navier-Stokes湍流降阶建模中的性能，为数据驱动流场重建提供方法论参考。
见LICENSE文件 Navier-Stokes降阶建模自编码器
论文 / 综述
必读基准论文与技术综述
FrFNO：融入解析Mittag-Leffler传播子的分辨率鲁棒神经算子用于时空分数阶PDE
通用科学ML
提出分数阶傅里叶神经算子（FrFNO），通过嵌入解析Mittag-Leffler传播子解决分数阶PDE的内存依赖与非线性耦合难题，实现高效代理建模。
见LICENSE文件 分数阶PDE神经算子Mittag-Leffler函数
三重可扩展等变高斯过程建模
通用科学ML
提出三重可扩展的等变高斯过程方法，在编码对称性的同时保持概率预测与不确定性量化能力，适用于大规模科学计算问题。
见LICENSE文件 高斯过程等变神经网络不确定性量化
完整神经电子初始化加速材料DFT计算
Materials
首个完整机器学习方法用于加速PAW框架下的平面波密度泛函理论计算，提出神经电子初始化器需满足的七个准则，补充了原有方法缺失的占据数增强和自旋初始化两个结构依赖组件。
见LICENSE文件 密度泛函理论机器学习材料科学
利用不完美前辈知识学习物理：神经算子与PINN的联合失效解决
ScientificML
提出联合解决神经算子分布外退化与PINN多解收敛错误的协同训练方法，利用不完美神经算子引导PINN优化。
见LICENSE文件 神经算子PINN偏微分方程
黎曼流形切向量场回归的同步统计推断方法
通用科学ML
提出黎曼流形上切向量场回归的核估计器，通过并行传输与体积校正实现非参数估计，推导其二阶偏差与随机收敛速率。
见LICENSE文件 黎曼几何切向量场非参数估计
后向对数正交函数及其逼近理论
通用科学ML
提出后向对数正交函数新类，通过终端对数映射广义拉盖尔多项式构造，用于弱奇异解的后向谱逼近。
见LICENSE文件 谱方法正交函数逼近理论
增强Transformer的符号ODE表达式表示能力
通用科学ML
提出基于Transformer学习符号常微分方程的结构化表示，保持交换性以支持符号形式数学推理，区别于依赖数值拟合的传统方法。
见LICENSE文件 符号计算ODETransformer
基于杆件倾角的张拉整体机械臂运动学估计与控制
多体/机器人
研究张拉整体连续体机械臂的运动学估计与闭环控制方法，基于杆件倾角参数化表达复杂连续弯曲构型，解决传统弹性骨干模型不适用于张拉整体结构的问题。
见LICENSE文件 张拉整体连续体机器人运动学估计
大规模离散时间非对称代数Riccati方程的低秩ADI数值算法
ScientificML
针对博弈论Nash均衡计算中的大规模离散时间非对称代数Riccati方程，提出低秩交替方向隐式算法，有效降低存储与计算复杂度。
见LICENSE文件 代数Riccati方程低秩算法ADI方法
多任务喷注重构：基于物理信息四面板表示的视觉-语言模型方法
ScientificML
探索视觉-语言模型在高能物理喷注分析中的应用，将JetClass喷注重构为物理信息四面板图像，实现多任务喷注标签分类。
见LICENSE文件 高能物理喷注分析视觉-语言模型
NeuIDO：面向物理引导4D世界模型的神经本征动力学算子
通用科学ML
提出NeuIDO神经本征动力学算子，将物理约束内化于世界模型以预测3D物体交互轨迹，弥合物理引导4D生成与真世界模型间的差距。
见LICENSE文件 世界模型物理引导生成神经算子
基于连续延迟记忆随机梯度下降的天体物理时间序列强化学习方法
通用科学ML
提出连续延迟记忆随机梯度下降法，结合随机微分方程与神经网络参数化，用于从天文巡天数据的时间序列（光变曲线）中建模类星体亮度变化。
见LICENSE文件 类星体时间序列随机微分方程
积分化学反应神经网络
量子/化学
提出iCRNN框架，从时间序列浓度数据中无先验假设地发掘化学反应网络结构与动力学参数，兼顾可解释性与计算效率。
见LICENSE文件 化学反应网络神经网络化学动力学
基于集值函数表征与神经网络近似的输入约束离散时间系统稳定域估计
通用科学ML
提出基于集值函数表征与神经网络近似的框架，用于估计输入约束离散时间非线性系统的稳定域（DOS）与稳定控制器。
见LICENSE文件 非线性系统稳定域估计神经网络
PINNs 对流体重建中改进的周期激活函数研究
流体/CFD
提出基于复指数函数的周期激活函数架构，为PINNs重建对流流动提供优于正弦激活MLP的方案，提升流场建模精度。
见LICENSE文件 PINNs周期激活函数对流流动
周期神经映射：非稳态转子叶片压力与气动弹性载荷预测
流体/CFD
提出周期傅里叶神经映射(p-FNM)框架，用于涡轮机械转子叶片非稳态压力分布和气动弹性载荷预测，降低高保真CFD仿真成本。
见LICENSE文件 神经算子气动弹性涡轮机械
引力信息神经网络用于后牛顿双星动力学建模
ScientificML
提出GravINNs框架，将后牛顿运动方程直接嵌入训练过程，学习双星轨道动力学，涵盖保守动力学单轨代理模型与四维参数空间扩展。
见LICENSE文件 引力神经网络后牛顿近似双星动力学
物理约束的弱耦合双室神经元模型树突-胞体动力学推断方法
多体/Multibody
提出基于物理信息神经网络(PINN)的双室神经元模型，从弱耦合树突记录推断不可直接测量的胞体膜电位动力学。
见LICENSE文件 神经动力学物理信息神经网络双室模型
支持Droop控制的电力系统基础模型潮流分析
Electromagnetics
提出针对GridFM电力系统基础模型的droop感知扩展，将斜率控制和死区参数嵌入节点特征，实现控制感知交流潮流分析。
见LICENSE文件 电力系统潮流分析基础模型