带加性噪声的随机 Camassa–Holm 方程波破碎与结构保持全离散方法

面向含加性噪声的二次非线性系统，从数据学习随机微分方程，并可用于湍流降阶建模。

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。

利用高速视频与物理信息神经网络重建熔池流场，支持线弧定向能量沉积中的流动感知。

面向流体格子玻尔兹曼碰撞动力学，利用多松弛时间算子构建支持相干演化的量子Carleman方案。

将叠加原理引入基于变换器的神经算子，提升涡轮端壁不同孔数下温度场预测的泛化能力。