本研究探讨了神经普通微分方程在化学和生物系统中的应用，提出结合深度学习与物理模型的方法，以提高刚性系统的建模精度和效率。研究显示，在缺乏实验数据的情况下，通过引入质量守恒约束和混合模型，能够在化工过程优化中实现良好的预测能力和可解释性。

本研究探讨自我监督学习算法在糖尿病视网膜病变进展中的应用，提出自适应潜在时间NODE（ALT-NODE）和纵向混合训练框架（LMT），有效提升模型的预测能力和鲁棒性。

该研究探索了自我监督学习算法在疾病进展方面的应用，重点研究了纵向自我监督学习算法及神经普通微分方程的潜力，并在糖尿病视网膜病变的数据集上验证了相关算法，结果表明二者结合潜力巨大。