本研究提出了一种图变换器框架，旨在解决稀疏表面重建空气动力学流场的问题。该框架结合了消息传递神经网络和变换器的优点，展现出卓越的重建精度和推理速度，并对传感器覆盖率降低具有良好的鲁棒性。