B-LSTM-MIONet: 基于贝叶斯 LSTM 的神经算子，用于学习复杂动力系统对长度可变多输入函数的响应
深度运算器网络（DeepONet）是一种神经网络框架，用于学习描述复杂系统的非线性运算器，该研究通过将长短期记忆（LSTM）集成到多输入神经网络运算器（MIONet）中，以克服数据离散化约束，利用变长实时数据，提高模型在噪声数据集上的准确性和可靠性，并引入贝叶斯方法对不确定性进行量化。
Deep Operator Network (DeepONet)是一种强大的代理建模方法，可应用于核工程领域的数字孪生系统。研究表明，DeepONet具有出色的预测准确性和计算效率，优于传统机器学习方法。它为核工程研究和应用提供了有希望和具有变革性的工具，可以推动数字孪生系统的发展和代理建模技术的有效利用。
