技术
Physics-Informed Learning（物理信息学习）
物理信息学习（Physics-Informed Learning）是一类将物理定律（如偏微分方程）作为先验知识嵌入机器学习模型的方法，旨在解决数据稀缺或噪声大时模型泛化差的问题，典型代表为物理信息神经网络（PINN），用于求解正反问题。
详细解释
物理信息学习通过将物理方程残差作为正则项加入损失函数，约束神经网络输出满足已知物理规律。其核心思想是利用自动微分计算方程残差，无需网格即可求解偏微分方程。代表工作包括 Raissi 等人提出的 PINN，已应用于流体力学、热传导、材料科学等领域，并能从稀疏数据中反演未知参数。
别名与相关写法
physics-informed learning