金融情景生成常把扩散采样器压到很少的函数调用次数，时间网格的离散误差会悄悄扭曲协方差、尾部与回撤代理等终端报告。TAPES把网格构造当作面向终端报告的数值问题：用Richardson比较估计每步的带符号局部缺陷，经剩余离散流和终端报告伴随反向传播，再最小化其和的平方并做有上限的直接精修。在Regime-SV与Mag7两个数据源、六个预算下，TAPES在报告的五条流水线中取得全部24个数据集—预算—报告行的最低设计误差与审计误差，跨预算平均审计误差相对降幅约10–11%与约1%。
针对Vlasov–Maxwell动理学等离子体，反馈控制过去要么依赖全相空间扰动作为输入，要么用瞬时场抵消，而观测与执行延迟会让抵消失效。这里改用电流密度、电磁场及其空间梯度等宏观量作为反馈信息，并用一个低秩神经算子学习对延迟抵消基线的残差修正，控制目标仍是把完整分布稳定到指定平衡态。双流与Weibel型电流丝化不稳定性的数值实验中，该控制器在明显反馈延迟下仍能长时间抑制扰动增长。
该研究将相位-幅值约简与非线性机器学习稀疏传感器重构结合，仅用三个翼面传感器估计相位与幅值敏感度场，并据此解析导出最优激励波形，用于快速同步后失速翼型尾迹脱落频率；所得最优强迫使尾迹频率改变速度比标准正弦激励快八倍，且带幅值惩罚的波形相比无幅值惩罚的最优波形抑制了升力系数波动。
已读完全部报道