用于三维机载电磁数据贝叶斯反演的持续学习神经算子代理模型

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。

基于物理信息神经算子学习磁流体动力学函数空间映射，实现任意参数和时间下磁重联状态的高效推断，降低大 Lundquist 数下的计算成本。

提出分数阶傅里叶神经算子（FrFNO），通过嵌入解析Mittag-Leffler传播子解决分数阶PDE的内存依赖与非线性耦合难题，实现高效代理建模。

提出基于引用影响力经济机制的AI虚拟实验室群体协同框架，自动化执行神经算子架构搜索与训练评估。

洛斯阿拉莫斯国家实验室开源的36M参数UNet架构偏微分方程求解器v2版本，用于科学计算中的PDE代理建模。