神经算子（NOs）为输入场与 PDE 解场之间提供快速且分辨率不变的代理映射，但由于有限数据、不完美优化和分布偏移，其预测可能表现出显著的认知不确定性。在科学计算的实际应用中，不确定性量化（UQ）必须具备计算效率和空间忠实性，即不确定性带应与下游风险管理中重要的局部残差结构对齐。提出了一种结构感知的认知 UQ 方案，利用现代 NOs 的模块化结构（提升-传播-恢复）。该方案避免在整个网络中应用无结...