本研究提出了一个包含771,244个问答对的超声心动图报告数据集，旨在提升心脏病学问答系统的性能。通过微调大型语言模型，显著改善了问答效果，支持临床医生进行心脏鉴别诊断，减轻文档负担。

该研究使用分支潜在神经算子（BLNOs）来学习复杂物理过程的输入-输出映射。BLNOs通过结构化解开不同输入的内在角色，并将其转化为通用场。在儿童心脏发育不全综合征的心脏模型中，BLNOs展示了良好的泛化性能。优化的BLNO模型在独立测试数据集上表现出很高的准确性。该研究提供了一种新的计算工具，用于构建可靠且高效的降阶模型进行数字孪生。