标签：数字孪生

流体/CFD

研究评估物理信息神经网络在大气热力温度预测任务中的能力，利用气压坐标热力学平流源方程作为物理约束，解决稀疏热力观测条件下的短时预报问题。

多体/Multibody

ForceTwin通过人类交互数据学习关节物理属性（惯性、摩擦、弹簧机制），构建可预测动作的物理信息数字孪生，赋能机器人精准操作。

AI仿真

NVIDIA 介绍利用 Agentic AI 工作流为物理 AI 系统准备和验证数字孪生的方法，Agent 可检查 3D 场景并生成仿真相关数据。融合实测应变与物理约束，可在大型基础设施上长期部署，为结构健康监测提供 AI 替代方案。

结构健康监测 / 数字孪生

基于物理信息神经网络（PINN）构建大跨度悬索桥的实时结构健康监测数字孪生系统，融合实测应变数据与物理约束，实现损伤识别与剩余寿命预测。提供 PyTorch/TensorFlow 多后端实现，适合作为物理 AI 入门首选框架。

流体/CFD

提出基于神经算子的CFD代理模型，用于小型模块化反应堆螺旋盘管蒸汽发生器的热工水力瞬态仿真，助力数字孪生实时分析。

生物医学流体 / 降阶模型

用神经网络从几何预测 0D 降阶模型的阻力/电感参数，把心血管血流仿真误差降低一半以上，最复杂的肺动脉模型在笔记本上 2 秒内完成，支撑临床数字孪生。融合实测应变与物理约束，可在大型基础设施上长期部署，为结构健康监测提供 AI 替代方案。