湍流流体动力学驱动的高保真三维流场重建

研究者提出一种湍流感知框架，用于时间分辨的三维流场重建，将多尺度神经算子与状态空间模型耦合以恢复体结构并保持时间一致性，同时引入 Navier-Stokes 残差作为软约束、混合专家机制支持对未知粗粒化的无监督适配。在典型湍流系统和大气再分析数据上，该框架相比学习类和经典基线降低了重建误差，更好地保留了多尺度空间结构与连贯时间演化。