#DeepONet

这篇论文把混合专家思路搬进了 DeepONet 和 FNO，专门对付尖界面、异质系数这类难解的 PDE，误差比基线低不少，做科学计算的可以看看。

这篇论文告诉你，期权价格准不代表密度恢复准。它用NIFTY和模拟数据对比了混合模型、DeepONet和SVI，结果各有胜负，适合做金融AI研究的人参考。

这篇论文提出了SpectONet，在梁振动问题上比传统DeepONet误差降低至少64%，物理一致性更好，值得研究结构动力学的朋友一看。

这篇论文用CMP和卡门涡街两个具体案例告诉你：没有万能代理模型，选架构要看流动的动力学特点，别用RMSE骗自己。

这篇论文搞了个叫NOTES的框架，用神经算子压缩设计空间，再用进化策略找最优，在纳米光子偏转器上效率超95%，比传统方法好。