本研究提出了一种新颖的耦合多物理场神经算子学习框架（COMPOL），显著提升了对复杂物理关系的捕捉能力，预测性能提高了两到三倍。

本研究提出了一种新方法MultiSimDiff，旨在解决传统多物理场与多组元仿真中的模型集成与复杂性问题。实验结果显示，该方法在复杂问题中的相对误差降低了40.3%。