POPT：用于分布式MIMO纯相位定位的物理信息深度学习新

基于物理信息图神经网络的交流最优潮流求解基础模型，在54种电网拓扑上预训练，可在10,000节点系统上实现2.45%零样本成本误差。

提出LeafNet算法，通过将双曲守恒律方程重构为光滑解耦合系统，结合无扩散物理信息神经算法近似光滑函数，实现高维双曲方程的精确数值求解。

提出物理信息自监督学习框架，联合实现多丝正比室的线丝校准与相互作用位置重建，提升粒子探测器对运行条件变化和老化的适应能力。

提出物理信息驱动的双态查询学习框架，解决GPCR配体生物活性预测中动态构象平衡被忽视的问题，提升功能效能区分能力。

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。