破局高阶微分计算瓶颈：面向物理信息机器学习与离散偏微分方程伴随的高效显式导数内核解析
本文深度剖析了一种结合智能体辅助（Agent-assisted）与严格数值验证的显式导数内核方法，旨在攻克物理信息神经网络（PINNs）中高阶导数计算与计算流体力学（CFD）离散伴随算子中的高昂显存与时间开销，为量子化学、材料设计及流体力学等领域的导数密集型科学计算提供了一条极具实用价值的结构感知式（Structure-aware）加速路径。
Scientific Computing
论文深度解析：PDE-Agents —— 融合知识图谱增强推理与多智能体协同的自动有限元数值模拟底座
本文深度剖析挪威能源技术研究所（IFE）提出的 PDE-Agents 框架，详述其如何结合 LangGraph 与 Neo4j 知识图谱攻克物理化学多尺度数值模拟中的“物理幻觉”难点，并探讨其对量子化学智能体的跨界启示。
迈向长程时空演化的稳态解：时空解耦物理增强 Stone-Weierstrass 神经算子 (PI-SWNO) 深度解析
本文解析清华大学提出的 PI-SWNO 模型，探讨其如何通过时空解耦架构与 Stone-Weierstrass 定理突破非定常偏微分方程长程预测的精度与内存瓶颈。