同步自适应学习

同步自适应学习（Synchronic-adaptive Learning）是一种数据与物理混合驱动的算法方法，用于处理异质介质中的复杂物理状态建模。该方法通过构建多网络协同架构，能够在缺乏完整物理属性和时变界面不可见的情况下，高精度逼近工业系统内部的复杂物理状态。

关键应用

• 复杂合金凝固：为高端制造过程的AI仿真提供新思路。
• 工业数字孪生：解决传统偏微分方程在处理边界随时间剧烈变化的非均质材料时计算成本极高的问题。

相关预印本研究

• arXiv：Physically Informed Synchronic-adaptive Learning for Industrial Systems Modeling in Heterogeneous Media.