Physics-Informed Neural Networks

PINN 由 Raissi 等人于 2017 年前后提出，核心是把偏微分方程的残差作为损失项，与数据拟合项联合优化，使网络输出自动满足守恒律、边界与初始条件。它无需网格划分，适合正问题求解与参数反演，广泛用于流体、传热、材料等领域；难点在于多损失项权重平衡与高维问题训练稳定性。