标签：FNO

综述 / 学习资料

数据驱动 + 物理信息神经算子的综述，沿可扩展性、泛化性、数据敏感度三条轴梳理架构谱系（DeepONet / FNO / GNO / PINO / Transformer 系列 / 扩散模型），是理解科学 ML 范式的标准读物。

综述 / 学习资料

聚焦实践的神经算子教程，覆盖 DeepONet / FNO / PCANet 的高层概念与训练策略，并在 Poisson 与线弹性问题上对比架构差异，还演示了作为贝叶斯反演代理的应用，是工程化落地的入门读物。

傅里叶神经算子 / 入门教程

系统学习 Fourier Neural Operator（傅里叶神经算子）从理论到代码实现，适合希望将神经算子用于 PDE 代理模型的工程师与研究者。支持 mesh-invariant 推理，可在训练分辨率之外直接查询，适配工业级多保真度应用。

流体/CFD

提出融合UNet与FNO的物理引导混合架构，结合Sentinel-1/2多模态遥感与浅水方程约束，实现端到端洪水预测。

神经算子库

FNO / DeepONet 等神经算子的标准实现库（MIT 许可），是训练「无限维映射」代理模型的事实标准工具。库提供 PyTorch 原生 API 与 FFT 加速的训练循环，覆盖 FNO / TFNO / GNO / DeepONet 等核心架构。

奠基性论文

提出在傅里叶空间参数化积分核的神经算子，实现分辨率无关的 PDE 求解，是算子学习与物理 AI 方向引用量最高的奠基工作之一。支持 mesh-invariant 推理，可在训练分辨率之外直接查询，适配工业级多保真度应用。

综述 / 学习资料

系统梳理算子学习方法的综述论文，覆盖 DeepONet、FNO 及其变体的理论、架构与误差分析，是理解「学习无限维映射」最合适的入门与查阅材料。支持 mesh-invariant 推理，可在训练分辨率之外直接查询，适配工业级多保真度应用。