标签：混合建模

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。

可微流体求解器

Google Research 基于 JAX 的可微流体求解器，支持端到端梯度反传，用于把神经网络嵌入 CFD 时间推进、做可微物理与混合建模研究。原生支持 GPU/TPU 加速，可与神经网络端到端耦合，是科学 ML 框架中可微物理的代表。