本文介绍了傅里叶神经映射（FNM）框架，利用算子学习方法高效近似参数化物理模型，特别是在非线性参数与可观测量之间的映射。研究了离群分布的泛化问题，并提出了信息论泛化边界的通用框架，同时在部分可观测马尔可夫决策过程中提供了新的启发式方法。

本文介绍了基于参数化物理模型的数字孪生（PPB-DT），用于预测激光粉末床熔化金属增材制造过程中的熔池几何和缺陷识别。通过机器学习模型（PPB-ML-DT），可预测、监测和控制熔池几何，加快产品开发和认证过程。