空间延展Kolmogorov湍流中的相对周期轨道：从全局到局域化 recurrences新

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。

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。

针对输运主导系统，提出结构感知数据驱动降阶模型（ROM），利用 kinetic defect 公式分离特征输运与激波流形上的熵缺陷，提升低维线性子空间对移动前缘和激波的表征能力。

提出周期物理信息神经网络（P-PINN）框架，实现参数化周期流的纯物理驱动求解与有限幅生气动弹性响应分析。

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。