DFK-Former：从稀疏样本学习不可压缩三维流场的集合 Transformer 无散度核拟合方法

DFK-Former 是一种集合到场的 Transformer，可从稀疏、含噪且不规则采样的三维观测中重建无散度速度场，并直接预测无散度核表示参数，单次前向即可完成，无需逐场迭代优化。模型引入自适应各向异性无散度核，在构造上精确满足不可压缩性。在稀疏、噪声与遮挡实验中，其端点误差较逐场无散度核优化最多降低 4.6 倍，单场重建耗时 7.5 ms 而非 9.8 s，并已迁移至真实 DNS 湍流数据。