圖書信息
內容簡介
對 arXiv cs.CE 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 120 篇論文 的細讀整理，組織為 44 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 金融與科學推理的大語言模型智能體 (14.8%) — 發展為金融市場、材料發現與複雜圖表解讀的可信推理的多智能體大語言模型框架與基準。
- 用於仿真的物理信息神經網絡 (13.4%) — 應用物理信息與圖神經網絡求解力學、能源系統與空間預測中的正問題與反問題。
- 科學發現的數據驅動框架 (12.1%) — 構建數據同化、傳感器部署與自動報告框架，以加速科學研究與工程設計工作流。
- 流動與結構的生成式建模 (11.6%) — 利用流匹配與擴散模型，進行工程系統的高維時空建模與多物理場協同仿真。
- 優化與拓撲設計方法 (10.2%) — 在不確定性下推進製造、設施佈局與材料設計的拓撲、形狀與組合優化算法。
- 預測與降階的基礎模型 (9.1%) — 利用基礎模型與降階建模技術，進行行為、結構與系統性風險背景下的預測分析。
- 科學機器學習算法 (8.7%) — 評估並改進用於偏微分方程求解、湍流建模與敏感性分析的深度強化與概率學習方法。
- 有限元與數值模擬方法 (7.8%) — 增強用於動態仿真與低資源計算任務的有限元分析、均勻化與高性能計算內核。
- 時間序列預測與量子應用 (6.2%) — 發展金融時間序列預測的擴散與因果發現模型，並探索用於能源材料的量子計算。
- 金融與科學中的大語言模型 (6.2%) — 微調大語言模型用於金融趨勢分析、信用風險評估，以及合金設計等科學領域特定任務。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
