图书信息
内容简介
对 arXiv cs.CE 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 120 篇论文 的细读整理，组织为 44 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 金融与科学推理的大语言模型智能体 (14.8%) — 发展为金融市场、材料发现与复杂图表解读的可信推理的多智能体大语言模型框架与基准。
- 用于仿真的物理信息神经网络 (13.4%) — 应用物理信息与图神经网络求解力学、能源系统与空间预测中的正问题与反问题。
- 科学发现的数据驱动框架 (12.1%) — 构建数据同化、传感器部署与自动报告框架，以加速科学研究与工程设计工作流。
- 流动与结构的生成式建模 (11.6%) — 利用流匹配与扩散模型，进行工程系统的高维时空建模与多物理场协同仿真。
- 优化与拓扑设计方法 (10.2%) — 在不确定性下推进制造、设施布局与材料设计的拓扑、形状与组合优化算法。
- 预测与降阶的基础模型 (9.1%) — 利用基础模型与降阶建模技术，进行行为、结构与系统性风险背景下的预测分析。
- 科学机器学习算法 (8.7%) — 评估并改进用于偏微分方程求解、湍流建模与敏感性分析的深度强化与概率学习方法。
- 有限元与数值模拟方法 (7.8%) — 增强用于动态仿真与低资源计算任务的有限元分析、均匀化与高性能计算内核。
- 时间序列预测与量子应用 (6.2%) — 发展金融时间序列预测的扩散与因果发现模型，并探索用于能源材料的量子计算。
- 金融与科学中的大语言模型 (6.2%) — 微调大语言模型用于金融趋势分析、信用风险评估，以及合金设计等科学领域特定任务。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
