LLM辅助偏微分方程工作流综述

2026年10月15日，arXiv Artificial Intelligence 发布一篇综述，梳理大语言模型（LLM）在偏微分方程（PDE）研究中的介入方式。据该综述，LLM 的应用覆盖发现、求解与优化三个阶段，借助科学知识、数学推理、代码生成和工具调用，完成方程建模、求解流程实现以及设计与控制决策。文章还回顾了评估科学有效性、计算性能与工作流可靠性的现有基准与评测实践，并提出三项挑战：面向特定 PDE 问题的数学与物理推理、通过领域专用与多模态后训练构建可迁移专业知识、以及将主动实验设计与科学验证结合。该综述由 Han Wan、Rui Zhang、Hao Sun 发表，目前尚无后续跟进报道，事件进展以这一篇综述所述内容为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。