深度波网络 (DW-Net)：突破多尺度物理动力学建模的架构瓶颈
本文深度解析 Deep Wave Network (DW-Net) 架构，探讨其如何通过堆叠 U-Net “波”并引入跨尺度跳跃连接，在流体与等离子体模拟中实现 3 倍收敛速度提升及精度优化。
多尺度模拟
GMT 深度解析：几何多网格 Transformer 开启微结构均质化模拟的新纪元
本文深度解析了 GMT 框架，这是一种结合了几何多网格 (GMG) 理论与 Point Transformer V3 的高保真微分求解器，在微结构均质化任务中实现了 160 倍的加速与 10^-5 的工程级精度。
NEP-CG与NEP-AACG：高精度、可迁移且高效的多尺度神经演化势能
本文提出了一种基于神经演化势能（NEP）框架的粗粒化（CG）和多尺度全原子-粗粒化（AACG）方法，通过引入低噪声训练数据和关键的维里校正，实现了高精度、跨压强可迁移且计算高效的分子动力学模拟。