多模光纤线性模式耦合简化代理模型及实验评估

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。

针对三维时域机载电磁数据贝叶斯反演计算成本高昂的问题，开发持续学习的神经算子代理模型替代传统求解器，实现高效反演。

提出验证门控多智能体治理框架，使热工水力学代理模型能够在运行状态切换下持续在线自适应，避免离线预训练模型的_condition-locked_问题。

提出自适应算子变换（AOT）方法解决多PDE预训练中解算子结构多样性问题，通过对目标解算子而非模型容量进行适配，提升神经算子在跨方程任务中的泛化能力。