面向偏微分方程的映射多块谱极限学习机

面向常微分与偏微分包含的物理信息神经网络框架，以集合值微分算子距离残差替代经典逐点残差。

提出基于算子图的图超网络方法，将PDE的场、导数、项和残差显式建模为节点，实现跨相关偏微分方程的可摊销神经求解器元训练。

针对长跨桥梁气动弹性分析，利用极限学习机建模桥面板截面气动自激力，辅助预测气动失稳与结构安全问题。

基于流形函数编码器的 PDE 神经算子求解器，内存占用与数据分辨率解耦，支持任意形式PDE输入，适合大规模物理仿真。

面向神经偏微分方程求解器设计的自动研究基准，聚焦参数变化与高速流等物理仿真难题。