预测降阶模型的信息极限阶梯

提出基于降阶模型的预条件器加速拓扑优化，通过EIFEM框架结合ROM技术降低有限元分析的计算成本。

提出周期物理信息神经网络（P-PINN）框架，实现参数化周期流的纯物理驱动求解与有限幅生气动弹性响应分析。

针对介质阻挡放电中相同位置连续放电的重新点燃动力学，构建物理降阶模型，无需机器学习即可实现时间预测。

基于patch自编码器与神经ODE构建分布式降阶模型，研究二维Kolmogorov湍流中的相对周期轨道与局域化recurrences。

揭示Brinkman惩罚正则化哈密顿PDEs保留多共形辛结构的兼容性条件，建立精确局部守恒律，为复杂域结构保持算子学习提供理论基础。