跨场景综合性能领先
采用LD-Haack形针鳍和次级通道结构，在可重复使用运载火箭热防护、机载电子冷却和数据中心冷却三种场景下综合性能优于已报道冷板。
Zhang T.Y. · Ooi, Kim Tiow · 陈强 · 张大海 · 费庆国
Energy 2026
属性条件迁移学习框架使冷板代理模型能够利用已有场景知识快速适应新场景，避免从头开始的大量仿真计算。
仅用125个目标域样本，PTL框架相对从头训练最多减少76.4%的样本需求，显著降低数据获取成本。
多目标优化中，代理模型的最大预测误差仅为6.7%，保证优化结果可信。