(1) COMSOL建模流程：几何建模、物理场模块设置、网格划分、求解与后处理。(1) 多孔介质内部流动与变形耦合（流固耦合渗流/孔隙弹性理论）(2) 多孔介质在地热开采/CCUS等问题（热流固耦合）中的应用。(1) P2D电化学模型（锂离子电池模块）的建模。(1) 在COMSOL中实现副反应过程的耦合计算。(1) 多孔介质在强化传热中的应用（热流耦合）(1) 多孔介质模型（多孔介质模块）的建模。

电池管理技术概述。

论文复现机器学习综合应用以及SCI文章写作论文实例解读与复现：选择两篇应用机器学习研究水泥基复合材料的SCI论文。实例：XGBoost和LightGBM在水泥基复合材料性能预测中的应用，模型比较。机器学习基础模型与复合材料研究融合1.机器学习在复合材料中的应用概述。实例：多项式回归在处理复合材料数据中的非线性关系时的应用。实例：决策树回归在预测水泥基复合材料强度中的应用。实例：SVR在预测复合材料

Case 1：使用MOSAEC算法处理CoRE-MOF、QMOF数据库，进行结构合理性校验与数据清洗，确保所有结构满足化学合理性。Case 3： 使用GPU加速的gRASPA实现高通量GCMC模拟，体验“计算产生数据”的规模与效率，并构建后续所需数据集。Case 4：使用CP2K完成MOF的晶体结构优化，并计算CH4的结合能，为机器学习筛选出来的潜在候选物进行机理解释。Case 2：训练C

图5 不同 ML 模型的实际值与预测值的比较：(a) SVR；实例：XGBoost和LightGBM在水泥基复合材料性能预测中的应用，模型比较。实例：多项式回归在处理复合材料数据中的非线性关系时的应用。实例：SVR在预测复合材料的力学性能中的应用。

深度学习在岩土工程中的应用与实践”专题。

2、使用深度学习框架（如TensorFlow或PyTorch）进行流体力学问题的案例，例如使用神经网络进行流场重建（案例教学）2、讨论Fluent与深度学习结合的潜力，如使用深度学习优化Fluent的网格划分和参数估计（案例教学）2、网格划分与计算流程：网格划分技术、Fluent计算流程和步骤、3、使用生成对抗网络（GANs）提高流场分辨率（案例教学）1、圆柱绕流、喷雾蒸发的Fluent求解流程（

样品S2的EFDC最接近模拟最优值，在1 mm厚度下实现了7.04 GHz的有效吸收带宽，在1.3 mm厚度下达到9.28 GHz，表现出优异的比吸收带宽效率。：图2展示了EFDC的提出与建立过程，包括四种模型系统的(a)设计策略、(b)实部介电常数、©EFDC、(d)虚部介电常数随频率变化，以及(e)对应的吸波性能。：图7展示了优化后的磁-电介质体系中的微波耗散机制，包括(a)增强磁损耗缓解介电

以单晶 NCM82 为核，LIC 为离子导体，CB 为电子导体，采用高强度剪切混合机实现机械力融合包覆：先预混 LIC 与 CB，形成导电基体；以易变形卤化物固态电解质 Li₃InCl₆（LIC）为包覆模型，结合离散元（DEM）模拟与实验，实现包覆结构精准调控。将炭黑（CB）引入包覆层，原位形成。List item 证实：薄包覆（1%）厚度≈5 nm，厚基体包覆（20%）厚度≈100 nm，包覆层

(1)基于融合模型和融合算法的SOC估计方法。人工智能在电池寿命预测和衰后性能预测中的应用。(2)全生命周期下的SOC融合估计方法。实例讲解-片段恒流工况下的SOH估计方法。(1)基于迁移学习的SOC估计方法。(2)全生命周期下的SOC估计方法。数据集、估计框架、估计结果、泛化性验证。数据集、估计框架、估计结果、泛化性验证。人工智能在电池荷电状态估计中的应用。人工智能在电池健康状态估计中的应用。人