DNNsolver：精准高效建模偏振敏感衍射神经网络的深度学习方法

DNNsolver提出基于深度学习的偏振敏感衍射神经网络建模方法，解决传统薄元件近似无法捕捉层内电磁耦合的问题，提升高密度光学计算建模精度与效率。

提出DNNsolver框架，通过深度学习方法实现偏振敏感衍射神经网络的高精度高效建模范式，解决传统薄元近似无法捕捉层内电磁耦合的问题。

展示基于超构表面反射腔的五层衍射神经网络，实现角度复用多任务处理功能，突破光学神经网络的扩展性与多任务能力瓶颈。

Therm-FM提出将预训练PDE基础模型适配到3D-IC稳态与瞬态热传导仿真，降低逐设计从头训练的数据生成成本。

提出 TM4FF 物理约束算子学习框架，融合 Transformer 注意力机制与 Mamba 状态空间模型，实现流场高精度预测与去噪。