滑动物理不变量神经算子

长期预测误差降八成

用动态滑动的物理不变量替代静态编码，让算子对长期演化的表示更准确稳定。

Yanjie, Wang · 李英 · 彭亚新 · 应时辉

National Science Review 2026

参数信息

训练域误差降低

34.3–79.8 %

未来域误差降低

7.7–76.5 %

技术优势

长期预测更稳定

动态滑动的物理不变量随PDE演化更新，持续表征状态，避免静态编码导致的长期漂移。

未来域误差降七成

与现有方法相比，未来域误差降低7.7%–76.5%，证明了在训练域之外的泛化能力。

适用多类PDE

在各种PDE场景中显著提升泛化性能，不局限于单一方程。

应用场景

• 复杂物理系统仿真：替代静态不变量方法，对多类PDE进行准确稳定的长期仿真。
• 机器人动力学预测：提升机器人动力学模型在长时间跨度上的预测精度，支持运动规划。
• 航天器轨道预测：提高航天器轨道长期预报的稳定性，减少误差累积。
• 高超声速流场预测：对高超声速流场进行长时间演化预测，捕捉复杂非线性动态。