浙大、复旦团队提出可"逆转热扩散时间之箭"的深度学习框架

据 Bioengineer/EurekAlert，浙江大学与复旦大学研究团队在《National Science Review》发表一项深度学习框架，能够在热扩散过程中"逆转时间之箭"——即在不可逆的热扩散发生之后，反推系统的初始热态。热扩散是无处不在的传热现象，依据热力学第二定律具有显著的不可逆性：当热量从高温区流向低温区，初始状态的信息在扩散中被"抹去"，使得反向推断（retrodiction）成为物理与工程领域最根本的难题之一。该研究提出的"算子学习"（operator learning）框架，通过深度网络学习从终态到初态的逆映射，为热分析与反问题求解提供了新范式。其潜在价值在于：在材料、能源、芯片散热乃至遥感等需要"由结果反推成因"的场景中，提供更高效准确的反演工具。这项成果是中国高校在 AI for Science 方向的又一进展，展示了深度学习在攻克经典物理反问题上的潜力。