条件流匹配也能迁移：冻结源表示之外再加一层修正，五维响应上能量差异降26.4%
条件流匹配在目标样本有限时，可以借用相关源总体学到的协变量表示。TFM-Freeze 固定源编码器、只训练目标速度头；TFM-Adapt 在函数锚定惩罚下联合学习速度头与表示修正。在五维相关表示的模拟中，源样本量为10000时，无惩罚的 TFM-Adapt 把能量差异从 TFM-Freeze 的0.3158降到0.2325，降幅26.4%；目标验证则用于在迁移无益时退回仅用目标数据的生成器。
超导参数不再只靠临界温度：AutoSuperCon从4.7万篇预印本抽出八个参数，覆盖6793种材料
超导材料筛选长期只依赖临界温度一个实验参数，而上临界场、临界电流密度等决定实用性的量散落在文献里、没有结构化数据。AutoSuperCon用大语言模型从arXiv超导分类的4.7万余篇开放预印本中抽取八种实验超导参数，并补入Roberts 1976综述的数字化条目，得到6793种超导体的20354条记录。与NIMS SuperCon共有的2439种材料上，临界温度的中位偏差为0.25 K（相对3.5%）；据此可在大规模上检验经验关系，并用化学组成预测临界温度与上临界场。
PBE与r2SCAN能量差不再靠经验校正：图神经网络把形成能误差压到14.3 meV/atom
不同泛函算出的形成能长期无法直接合并，MatPES中同一结构在PBE与r2SCAN下的平均差达107 meV/atom。研究者用38万余条结构配对的PBE–r2SCAN数据训练图神经网络，直接预测两种泛函之间的能量残差，把PBE形成能校正到r2SCAN能标。以GPTFF为骨干的模型在留出测试集上平均绝对误差为14.3 meV/atom，低于CHGNet的18.2 meV/atom。
年轻乳腺癌生存预测改从年长队列借力：LSAT-EN按组学层调借力强度，四年AUC达0.819
50岁以下乳腺癌患者样本少，预后模型难以训练，LSAT-EN把年长患者队列当作源域，在六个组学层上分别调节向源模型系数靠拢的强度，同时用弹性网做变量选择。在TCGA-BRCA数据上，以60岁及以上为源、50岁以下为目标，四年二分类生存预测的AUC为0.819，高于合并建模的0.774、仅用目标队列的0.757、glmtrans的0.728和GAS-EN的0.780。模拟中源目标差异越大、目标训练样本越少，分层借力的优势越明显。
过渡态搜索不再只盯基态：全局采样加三万参数小网络，重画丙烷脱氢路径
过渡态搜索长期依赖人工设定的基态构型，容易漏掉有限温度下可能主导速率的亚稳构型。一个把全局构型搜索与轻量图神经网络结合的工作流，先在势能面上采样反应物、产物和中间体的多种构型，再用仅约3万个可训练参数的边感知注意力网络预测过渡态几何。在碳氮载体上的Pt4催化丙烷脱氢中，该流程重建了已知机理，并给出此前手工建模未涉及的竞争路径；作者同时指出，亚稳四面体Pt4虽本征更活泼，但其形成代价使其难以主导实际动力学。
衍射图不能当照片学：只靠ImageNet预训练的模型在背景噪声里“看出”相分数，物理预训练才盯住布拉格环
同步辐射X射线衍射每秒产生一张二维衍射图，用图像模型自动读出Ti–6Al–4V中α相与β相的体积分数看似可行。两个模型在250张实验衍射图上微调后精度相近，但稳健性测试与注意力图显示，仅用ImageNet预训练的模型从背景和像素噪声里推断相分数，而先在模拟衍射图上训练、再微调的模型依据布拉格反射。预测精度本身不足以验证模型。
同一套自监督预训练，轴承故障分类宏F1从0.350升到0.812，剩余寿命预测却没能超过从零训练
在47个统一张量契约的公开PHM数据集上，一个80万参数、按通道独立处理的Transformer编码器用掩码片段预测做自监督预训练，在完全留出的CWRU轴承故障分类上把宏F1从0.350提到0.812，HSG18硬盘数据从0.569提到0.951，冻结编码器加一层线性探测已达0.705和0.906；但同一套预训练在CMAPSS剩余寿命估计上不能可靠超过从零训练基线。改为十个按物理域分组的客户端做联邦模拟后，等预算下分类仍落后集中式编码器，且自监督损失不能用来挑选检查点。
CRISPRi 引导效力模型跨库失效：换掉基因内百分位标签，迁移相关从0.008升到0.136
在K562细胞上训练的CRISPRi引导效力模型，直接用于Sanson等2018年的Dolcetto独立文库（HT29与A375细胞）时几乎不迁移，Spearman相关仅0.008和0.012。保持101个特征、模型结构和超参数不变，只把训练标签从基因内百分位改为连续的跨研究z分数，同一模型在HT29和A375上的迁移相关升至0.136和0.158，K562留一染色体交叉验证也从0.375升到0.429。这说明跨库迁移失败主要来自标签设计，而不是染色质特征缺失。
薄壁网格锥壳铣削不再只靠黑箱：切削力先预测，变形再按壳理论算，四个测试集准确率均超93%
薄壁网格锥壳铣削时，筋条分布让局部刚度随刀位突变，切削力把工件沿法向压出弹性退让，实际壁厚因此小于理论切深。新做法把有限元仿真当作源域、真实铣削实验当作目标域，用迁移学习先预测法向切削力，再把预测载荷送入等效刚度解析模型算出变形。在四个测试集上，该方法的预测准确率为93.05%至95.27%，高于CNN、PINN和TL三个对照模型。
细胞信号历史不必逐类重建：同一通路留下固定基因指纹，模型跨细胞类型读出
同一信号通路在不同细胞类型中留下一致的基因活动“指纹”，因此不必再对每种细胞类型单独重建信号历史。IRIS 是一个神经网络模型，它读取细胞整体基因活动，估计发育各阶段哪些信号通路被开启。在处于原肠胚期的小鼠胚胎单细胞上，它预测了心脏、肠、肌肉和脊髓谱系中信号通路何时何地激活；对肺发育相关细胞类型，模型预测的激活通路随后在小鼠胚胎实验中得到验证。