超越传统CFD！基于可微JAX-Fluids与GPU全加速的高超声速流物理模拟器（Physics Emulator）深度解析
本文深度探讨了基于 JAX-Fluids 的全 GPU 加速高超声速流物理模拟器构建工作流。通过结合可微求解器的离散 PDE 残差与先进的 Transformer 架构，该工作流实现了高效、物理一致的零样本/目标免除（Target-Free）物理精调，为计算流体力学与计算物理学界的代理模型构建提供了里程碑式的范式变革。
物理信息神经网络
突破非线性耦合极限：深度解析 LSTM-PINN 在稳态电流体力学激波类问题中的统一标杆研究
本文深度剖析了利用 LSTM-PINN 架构解决二维稳态电流体力学（EHD）中强耦合、高梯度激波类问题的最新标杆研究，展示了循环神经网络在捕捉复杂空间结构方面的巨大潜力。
超越重叠限制：PtychoPINN实现单次曝光、无重叠相干成像深度解析
PtychoPINN框架通过结合可微分物理模型与深度学习，成功实现了X射线相干成像的单次曝光、无重叠重建，显著提升了数据处理速度、剂量效率与泛化能力，为现代同步辐射和XFEL光源的科学探索开辟了新路径。