测试时训练流匹配实现物理系统贝叶斯滤波

提出FREESIA方法，通过协方差感知后验传输解决非线性观测算子下的多模态后验分布估计难题，提升高维稀疏观测条件下的数据同化精度与可扩展性。

提出历史条件物理信息流匹配框架，解决肌腱驱动连续体机器人因材料特性、传动摩擦及接触不确定性导致的概率动力学预测难题。

提出混合神经密度估计方法，结合神经比估计与流模型优势，解决高维无分箱模拟推理中密度归一化与高效采样的难题。

提出WaveOp-LiteFM轻量化神经算子流匹配方法，解决卫星-雷达降水反演中计算成本与精度不可兼得的难题，适用于大气遥感领域。

研究几何条件化神经代理模型中不确定性量化方法的表现，对比封闭形式与采样方法在跨几何形状、流场预测和工程量上的有效性。