量子/化学
提出iCRNN框架,从时间序列浓度数据中无先验假设地发掘化学反应网络结构与动力学参数,兼顾可解释性与计算效率。
见LICENSE文件 化学反应网络神经网络化学动力学 通用科学ML
提出基于集值函数表征与神经网络近似的框架,用于估计输入约束离散时间非线性系统的稳定域(DOS)与稳定控制器。
见LICENSE文件 非线性系统稳定域估计神经网络 流体/CFD
提出周期傅里叶神经映射(p-FNM)框架,用于涡轮机械转子叶片非稳态压力分布和气动弹性载荷预测,降低高保真CFD仿真成本。
见LICENSE文件 神经算子气动弹性涡轮机械 ScientificML
提出GravINNs框架,将后牛顿运动方程直接嵌入训练过程,学习双星轨道动力学,涵盖保守动力学单轨代理模型与四维参数空间扩展。
见LICENSE文件 引力神经网络后牛顿近似双星动力学 多体/Multibody
提出基于物理信息神经网络(PINN)的双室神经元模型,从弱耦合树突记录推断不可直接测量的胞体膜电位动力学。
见LICENSE文件 神经动力学物理信息神经网络双室模型 Electromagnetics
提出针对GridFM电力系统基础模型的droop感知扩展,将斜率控制和死区参数嵌入节点特征,实现控制感知交流潮流分析。
见LICENSE文件 电力系统潮流分析基础模型 结构
面向心脏房室瓣膜力学跨压力与组织属性泛化的物理条件神经算子,可加速瓣膜状态评估。
见LICENSE文件 物理条件神经算子心脏瓣膜力学有限元分析 电磁/Electromagnetics
K-TRAIL是一个结合扩散模型布局生成与免导数集合卡尔曼引导的EM/RF电路逆向设计框架,通过黑盒电磁仿真器反馈迭代优化候选布局。
见LICENSE文件 电磁逆向设计射频电路扩散模型 电磁/Electromagnetics
面向托卡马克全3D电磁场计算的GPU加速隐式求解器,通过层级域分解与快速精确局部求解器协同设计实现大规模并行计算。
见LICENSE文件 托卡马克电磁场仿真GPU加速 通用科学ML
比较两种神经网络模型用于近地天体短弧初轨确定问题,填补传统方法在单夜观测弧段不足时的失效空白,服务于小行星监测与天体测量。
见LICENSE文件 初轨确定近地天体小行星监测 结构/Structural
研究PINNs模拟一维线性刚性弦横向振动的有效性,将PDE及初始边界条件直接嵌入神经网络损失函数。
见LICENSE文件 物理信息神经网络刚性弦振动固体力学 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。
见LICENSE文件 数字孪生机器人操作物理建模 多体
提出LOInK方法,通过结构化神经代理模型学习构型空间到解耦任务/潜空间的Lipschitz可逆映射,将代价最小化解置于原点,实现逆运动学近似最优解的高效采样。
见LICENSE文件 逆运动学神经代理模型机器人学 多体/机器人
PIVOT将物理信息引导与视觉-语言模型结合,用于野外环境机器人可通行性评估,增强非结构化地形的导航安全性和可靠性。
见LICENSE文件 机器人导航地形评估视觉语言模型 ScientificML
提出基于算子图的图超网络方法,将PDE的场、导数、项和残差显式建模为节点,实现跨相关偏微分方程的可摊销神经求解器元训练。
见LICENSE文件 物理信息神经网络图超网络算子图 生物力学/计算医学
提出基于贝叶斯代理模型的框架,从心脏MRI推断左心室五区Holzapfel-Ogden材料参数,突破心肌同质化假设的限制,实现区域性心肌功能障碍的个性化建模。
见LICENSE文件 心脏生物力学贝叶斯推断代理模型 通用科学ML
提出统一框架,将神经PDE求解器(PINNs)与有限元方法通过函数Gauss-Newton问题与Petrov-Galerkin离散化进行融合。
见LICENSE文件 PINN有限元法PDE求解 结构
提出基于降阶模型的预条件器加速拓扑优化,通过EIFEM框架结合ROM技术降低有限元分析的计算成本。
见LICENSE文件 拓扑优化降阶模型预条件器 地球物理
基于26.6亿+航空电磁测点数据,利用深度学习概率反演构建澳大利亚浅层地壳电阻率模型,深度达650米,量化不确定性,服务地质、地下水与关键矿产勘查。
见LICENSE文件 航空电磁电阻率成像概率反演 ScientificML
提出基于贝叶斯决策理论的多目标优化框架,通过最大化期望超体积处理不确定性下的输入点优化问题。
见LICENSE文件 多目标优化不确定性超体积