用机器学习揭示火焰物理：氢火焰反应速率应用研究

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。

研究随机浅水波 Camassa–Holm 方程的波破碎与结构保持全离散方法。

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。

分析格子玻尔兹曼中心矩方案中矩基正交化是否影响格式，结论由速度集几何决定，两基仅当交换子条件成立时等价。