本文讨论了方言转换与渐进降阶策略，介绍了如何将模块从一种方言系统性地转换为另一种方言。方言转换框架是实现渐进降阶的核心，涉及类型转换、合法性规则和转换模式。通过完整转换和部分转换，确保转换后的IR类型一致且语义等价。文章还探讨了常见陷阱及其解决方案，强调了编译流水线中优化与降阶的结合。

本文介绍了如何从零构建一个微型Tensor DSL，定义了一个包含四个操作的tiny方言，并实现了从tiny到linalg的降阶过程。项目结构包括方言定义、操作实现和降阶Pass，最终生成LLVM IR并通过JIT执行，展示了完整的编译链。

本研究针对气动弹性非线性降阶模型在训练过程中的复杂性和计算量大这一问题，提出了一种新颖的多输入Volterra级数识别方法。通过正交匹配追踪，能够从非稳态气动训练数据中获取最优稀疏的多输入非线性降阶模型系数，从而相较于全阶气动弹性模型实现高精度的结果，并将训练样本数量减少至96%。

通过数据驱动的系统识别技术，我们展示了一种有效的、非侵入性的模型阶数缩减方法，可用于微电子中的常用电路。通过使用规范的 Hammerstein 结构，我们开发了一个简约的非线性 CMOS 差分放大器模型，并通过一种新颖的顺序策略，在直流（DC）和瞬态 Spice（Xyce）电路仿真数据上对该模型进行训练，以识别模型的静态非线性和线性动态部分。仿真结果表明，Hammerstein...

通过能量保持的运算推断方法，提出一种降维模型学习方法，旨在为涉及众多流体问题的常见定理方程引入了高效准确的降维模型。

本研究探讨了用于高维物理系统低维近似的控制导向、结构保持的学习方法。研究结果表明，整合神经自编码器并保留系统结构可以准确重构原始系统的行为和能量。同时，利用该系统压缩技术可以设计基于模型的控制器来调节机械系统的配置。

提出 RONAALP 算法用于增量学习快速准确的高维函数的降阶代理模型，在线阶段使用主编码器、社区聚类和径向基函数网络相结合的方式学习高效紧凑的代理模型，通过主动学习程序克服模型在初始训练范围外进行外插的问题，从而得到能够推广且快速准确的高维函数的降阶模型，并在化学非平衡的高超声速流动的三个数值模拟中加以验证，通过动态学习降阶热力学模型代理，将模拟计算的成本减少了...

该文介绍了一种基于强化学习的端到端方法，用于实现(e)NMPC应用中的动态代理模型最优性能。该方法在两个应用中验证，表现相当于无模型神经网络控制器，始终优于基于系统识别的模型。