普通神经网络实现晶格多体动力学的精确等变性新

针对量子多体物理和ab initio量子化学中神经网络变分优化的弱梯度训练失效问题，提出无偏直接梯度估计器和自适应最小方差相位（AMVP）估计器，提升可训练性。

面向光伏承载力规划，以代理模型辅助不确定条件下多目标随机优化，并独立认证高保真结果。

研究利用人工神经网络构建黑盒优化的代理模型，在无法获得解析函数描述时，通过数值模拟获取目标函数值进行高效优化。

DeepFEAv2 框架将深度学习代理模型应用于非结构化网格的瞬态有限元分析，实现节点级和单元级输出的联合预测，降低结构力学仿真计算成本。

KATOsuper框架通过灵敏度一致的Fourier神经算子加速拓扑优化迭代，解决了神经代理模型预测目标与灵敏度之间梯度不一致导致的优化不稳定问题。