本网讯 余奥迪 张俊杰 报道：香港城市大学、中国民用航空飞行学院（第二完成单位）、西北工业大学、慕尼黑工业大学等多所海内外高校联合完成的多保真机器学习研究成果，在线发表Nature子刊，《Nature Communications》，IF：18.1。我校航空工程学院动力工程系余奥迪博士为本论文核心参与人员（第三作者）。针对航空CFD分析存在试验成本高昂、高保真样本稀缺、多源数据难以协同利用、预测不确定性难以精准量化等行业痛点，团队原创搭建多保真先验数据拟合网络智能模型MFTabPFN。该模型依托分层Transformer架构实现高低保真数据深度融合，并配套两阶段主动学习框架，大幅降低高精度仿真迭代成本。研究采用通用回归基准数据集以及DLR-F4翼身组合体与ONERA M6机翼等经典航空工程应用开展全面测试对比。相较于多保真高斯过程、傅里叶算子网络、AutoGluon等当下主流智能算法，MFTabPFN在预测精度、不确定性量化两项核心指标上均实现显著提升，可大幅缩减飞行器流体仿真计算开销，为民机气动外形优化、航空装备可靠性分析提供高效全新AI解决方案。本论文以中国民用航空飞行学院为第二完成单位，是我院航空动力与智能计算交叉领域极具代表性的高水平标志性成果。成果充分彰显我院青年教师强劲的前沿科研实力，也体现出学校深度开展国际、校际协同创新的良好学术发展态势。

文章链接如下：https://doi.org/10.1038/s41467-026-75163-w