复杂系统的随机物理约束算子推断

对比自编码器与基于经典数值分析的简洁扩散映射（PDM）方法在Navier-Stokes湍流降阶建模中的性能，为数据驱动流场重建提供方法论参考。

提出连续延迟记忆随机梯度下降法，结合随机微分方程与神经网络参数化，用于从天文巡天数据的时间序列（光变曲线）中建模类星体亮度变化。

基于patch自编码器与神经ODE构建分布式降阶模型，研究二维Kolmogorov湍流中的相对周期轨道与局域化recurrences。

针对介质阻挡放电中相同位置连续放电的重新点燃动力学，构建物理降阶模型，无需机器学习即可实现时间预测。

提出基于卷积算子压缩的非线性降阶模型，突破线性投影方法的Kolmogorov N-width限制，以更少模态实现参数化PDE的高精度近似。