它问的问题

能否学一个“算子”，一次训练后对整族参数直接出解，而不必每次重跑求解器？

他们怎么做的

在频域做全局卷积，捕捉长程相关；分辨率无关。

证据

在 Navier–Stokes 等参数化 PDE 上，误差显著低于此前的神经算子。

别信太多

外推到训练参数区间之外会迅速失效；用它替代校核，等于把验证环节删掉。

适用边界

需要成百上千组高保真样本；不保证守恒律；边界复杂时精度下降。

课堂任务

生成 300 组工况训练代理，在区间内外各取 20 组，比较误差放大倍数。