GridPSF 在 MambaTM 复原网络的训练图里加了一条可检查的前向约束：从观测片段和宿主潜变量预测 8×8 网格、每格 35 个去活塞 Zernike 系数，再用 Fraunhofer 渲染器把单位质量点扩散函数混合后拟合湍流观测。在留出的 ATSyn-dynamic 视频上，前向一致性达到 29.49 dB PSNR 和 0.8882 SSIM，比直接用干净目标当预测的 25.54 dB 高 3.95 dB。一个验证集选出的匹配宿主检查点对带来 +0.419 dB PSNR 和 +0.0022 SSIM，但 LPIPS 上升 0.0017，且五种子对照未检出平均复原增益。
在DrugBank 5.1.10的5,357个结构可解析小分子上，Schrödinger Bridge Onsager Flow把均匀化学库向药物相似性分布的搬运误差压到总变差距离0.0141，而经过十档正则参数扫描、取最优设置的Sinkhorn基线为0.1753。该方法不再维护分子两两之间的耦合矩阵，而是为每个分子维护一个标量势并用镜像下降更新；其神经摊销版本SBOFNet以1.6M参数单次前向给出0.0380的总变差距离，代价是精度低于解析解。
Convolutional VocalTrax 把可微发声合成中逐样本推进的声道递归换成固定块卷积：先精确算出同一波导的频响，再按 5.8 毫秒分块做因果卷积，梯度只经过 FFT 和沿声道的 43 步递归。在 600 条 AudioMNIST 录音上，声道前向加反向在 A100 上快 47 到 63 倍；只用真实语音训练的 wav2vec 2.0 分类器识别其重建语音的比例为 14.5%，高于 VocalTrax 的 10.0%，尽管对数梅尔距离高出 11%。
颗粒流的分辨率仿真长期受限于在整张颗粒图上反复传递信息。HCG-GNN把7步消息传递中的5步移到两层占据网格粗图上，在斜面颗粒流基准中保持与常规颗粒级GNN相当的多步精度，训练快6.47倍、GPU显存少46.2%；在最多5000颗粒上训练的模型用31秒预测了10000颗粒的2秒释放，同一基准下DEM需2000秒。
在Aharonov-Casher连续模型上，神经量子态变分蒙特卡洛同时容纳分数陈绝缘体与广义维格纳晶体两类基态，并在最多36个电子、强能带混合的条件下给出分数填充相图。两种波函数分别以通量附着和Slater-Jastrow形式描述拓扑有序与晶序，并在小体系上与多能带精确对角化能量对齐。结果显示量子几何越不均匀，1/3填充的劳克林型态能量几乎不变，而2/5填充的Jain型态能量下降，两者对离散平移对称性的响应不同。
时间分辨显微CT一次实验可产生数十到数百张三维图像，逐张分割的误差会在图像间漂移，被误读成岩石本身的变化。PoreTimeNet把同一时间窗内的多张图像一起送入共享空间编码器，用时间注意力和解码融合借用相邻时刻的信息。在碳酸盐岩溶蚀序列上，它的平均绝对孔隙度误差为0.28个百分点，忽略时间信息的3D模型为0.97个百分点，岩石边界F1由0.833升到0.941。
DINGO-TGR把双星参数与六个后牛顿相位形变参数放在同一个神经后验估计里联合推断，再用重要性采样校正网络给出的近似后验。对GW150914，推断耗时约38分钟，而bilby-tgr配dynesty约需177小时；对信噪比更高的GW250114约4.4小时对238小时。GW150914的领头主成分模式相对广义相对论有轻微偏移，但1000次类GW150914的广义相对论注入中有115次达到或超过该偏移，经验上尾p值约0.115，在5%水平上不拒绝广义相对论零假设。
非凸目标函数被写进光子波导阵列的势能项，光子在其中按量子隧穿方式演化，输出强度分布直接标出极小值位置。实验在一维与二维波导阵列上完成，先用不完整局部退火准备低能输入态，再引入变化哈密顿量加速搜索并分辨全局最小。作者报告其相对经典随机梯度下降的量子加速，但正文把这一比较定位为探索行为的示意对照。
标准汽笛宇宙学要联合推断宇宙学与致密双星族群参数，每换一个星系表、质量模型或事件目录，通常都要从先验重新跑一遍完整分析。ASPIRE把已有后验样本经归一化流拟合后，用序贯蒙特卡洛退火到新假设下的目标分布，在GWTC-5.0的暗汽笛算例中给出与嵌套采样一致的后验，并保留贝叶斯证据估计。以谱汽笛结果为起点加入GLADE+星系表信息时，采样时间从134.4小时降到4.6小时。
本构模型发现不再只问哪些候选项能拟合响应，而是问哪个环境变量驱动哪个机制。把含内变量的本构模型写成按时间展开的结构因果模型，用弱形式平衡残差给候选图打分，气候箱协议被当作干预。合成多孔板算例中，位移噪声约0.01像素时，干预数据在10次运行里7次精确恢复13条候选边中的8条真实边，且没有归因错误；温湿相关的观测数据一次也没有恢复。