通用科学ML
研究科学机器学习中分布外回归的条件,分析高维函数与算子学习可实现稳定外推的假设及边界。
见LICENSE文件 科学机器学习分布外泛化算子学习 通用科学ML
面向物理场建模,将核函数显式嵌入神经算子架构,使算子结构与核展开形式相匹配并提升可解释性。
见LICENSE文件 神经算子核函数可解释机器学习 通用科学ML
揭示Brinkman惩罚正则化哈密顿PDEs保留多共形辛结构的兼容性条件,建立精确局部守恒律,为复杂域结构保持算子学习提供理论基础。
见LICENSE文件 哈密顿偏微分方程Brinkman惩罚结构保持学习 流体/CFD
提出 TM4FF 物理约束算子学习框架,融合 Transformer 注意力机制与 Mamba 状态空间模型,实现流场高精度预测与去噪。
见LICENSE文件 流场预测算子学习Transformer 通用科学ML
提出 Kuramoto 神经算子,将耦合振子动力学引入算子学习框架,突破传统固定基底的局限性,适用于局部相互作用主导的物理现象。
见LICENSE文件 神经算子PDE求解耦合振子 通用科学ML
提出基于引用影响力经济机制的AI虚拟实验室群体协同框架,自动化执行神经算子架构搜索与训练评估。
见LICENSE文件 神经算子AI智能体科学发现自动化 通用科学ML
提出PRONE方法,通过Petrov-Galerkin回归框架Ψ(X)K≈Φ(Y)统一DMD、SINDy、Koopman等数据驱动动力学方法,为动态系统算子学习提供统一视角。
见LICENSE文件 算子学习Petrov-Galerkin动态模态分解 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。
arXiv 预印本(版权归作者) 算子学习综述DeepONet