University of South Carolina

脓毒症重症监护中的血糖数字孪生此前只在预测误差超过阈值后才重新微调模型，属于事后补救。这项工作报告一种主动式流程：冻结的PatchTST基础模型给出一步预测，Actor–Critic强化学习智能体依据最近30分钟血糖窗口和残差历史，对第一步施加不超过±0.05的修正，再递归外推15步。在10名脓毒症ICU患者的逐分钟连续血糖监测数据上，预训练智能体无需按患者重新训练即降低全部10人的一步预测误差，源患者测试集平均绝对百分比误差从0.49%降到0.34%。

脓毒症重症监护中的血糖数字孪生此前只在预测误差超过阈值后才重新微调模型，属于事后补救。这项工作报告一种主动式流程：冻结的PatchTST基础模型给出一步预测，Actor–Critic强化学习智能体依据最近30分钟血糖窗口和残差历史，对第一步施加不超过±0.05的修正，再递归外推15步。在10名脓毒症ICU患者的逐分钟连续血糖监测数据上，预训练智能体无需按患者重新训练即降低全部10人的一步预测误差，源患者测试集平均绝对百分比误差从0.49%降到0.34%。

作者提出 LD-GTransNet：在多层 GTransNet 基础上引入提升解耦策略，预设隐层神经元参数，并用独立子网络分别处理物理坐标与新增辅助变量，从而无需显式区域分解即可全局逼近分片光滑解，且把求解化为线性最小二乘、免去非线性训练；二维与三维基准界面问题的数值实验显示，其精度与效率优于已有神经网络方法与传统数值方法，尤其在高对比度系数与复杂界面几何下表现突出。

作者提出 LD-GTransNet：在多层 GTransNet 基础上引入提升解耦策略，预设隐层神经元参数，并用独立子网络分别处理物理坐标与新增辅助变量，从而无需显式区域分解即可全局逼近分片光滑解，且把求解化为线性最小二乘、免去非线性训练；二维与三维基准界面问题的数值实验显示，其精度与效率优于已有神经网络方法与传统数值方法，尤其在高对比度系数与复杂界面几何下表现突出。