基于集值函数表征与神经网络近似的输入约束离散时间系统稳定域估计

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。

提出用于FCC-ee高颗粒度双读量热仪的神经网络脉冲反卷积方法，结合切伦科夫与闪烁信号时序分割实现粒子探测器能量分辨率提升。

针对博弈论Nash均衡计算中的大规模离散时间非对称代数Riccati方程，提出低秩交替方向隐式算法，有效降低存储与计算复杂度。

提出GravINNs框架，将后牛顿运动方程直接嵌入训练过程，学习双星轨道动力学，涵盖保守动力学单轨代理模型与四维参数空间扩展。

针对量子多体物理和ab initio量子化学中神经网络变分优化的弱梯度训练失效问题，提出无偏直接梯度估计器和自适应最小方差相位（AMVP）估计器，提升可训练性。