#神经算子

一篇解决 PDE 基础模型知识干扰和 MoE 专家冗余的论文，专家数量砍一半精度不掉，做科学计算的可以看看。

西湖大学团队推出SINO模型，解决物理方程求解中的闭包问题，参数效率比FNO高38倍。

这篇论文把“加物理约束到底有没有用”讲清楚了：对 Burgers、KdV 这类非线性 PDE 有用，线性问题基本白搭，算力紧张时建议先看结论再选方案。

一个开源的 PDE 神经求解器 MENO，显存不随分辨率涨，还能跨几何求解，跑论文实验只需一行命令。

MoNo解决了神经算子中token分配不均的痛点，用最优传输做多尺度，PDE求解又快又准，代码也开源了。

FaNO 把物理系统的快慢变分开建模，比传统算子更准更省参数，科学计算和仿真场景值得一试。

零样本推理更大域的新方法

CHOP 解决了神经算子模型在分布外任务上泛化差的痛点，做科学计算或 PDE 求解的团队可以直接用这个框架提升模型效果，无需重新训练。

做物理模拟或PDE求解的团队终于有了解决高频细节丢失的实用方案——FreqNO-DPS用扩散模型校正神经算子的谱偏差，在稀疏观测下也能恢复全频带精度，建议做科学计算或工程仿真的直接试。

这篇论文给做神经算子、物理信息学习或科学计算的团队提供了一个关键诊断工具——预测误差可能骗人，但雅可比谱审计能揪出模型学没学到真正的物理机制。做PDE代理模型或算子学习的建议点开看看，能帮你避免模型“看起来准、用起来崩”的坑。

做核反应堆数字孪生或CFD代理模型的团队，这篇给出了针对特定几何的完整框架对比和选型指南，可以直接参考其多尺度L-DeepONet方案。