【理论】physics informed neural networks物理信息神经网络

https://github.com/maziarraissi/PINNs

基于物理信息的神经网络（Physics-informed Neural Network， 简称PINN），是一类用于解决有监督学习任务的神经网络，同时尊重由一般非线性偏微分方程描述的任何给定的物理规律。 原理 ：它不仅能够像传统神经网络一样学习到训练数据样本的分布规律，而且能够学习到数学方程描述的物理定律。

Why? PINN:物理信息神经网络是在神经网络通用近似理论的基础上，通过加入偏导数等算子给数值模拟加上了物理约束，从而使得整个网络具有模拟物理规则的作用。关键点在于：通用近似理论 + 物理信息的传递（导数算子+残差构建）+NN的自动微分（AD）

How？ 怎么构建网络去优化？简单的全连接神经网络甚至已经能很好地进行通用近似了！！！

What? 用PINN可以做什么？解偏微分方程，在各种不同的领域中都有涉及。物理方面，其中的波动方程、程函方程、格林函数等等都是有待攻克的领域，当然也已经有很多人有了很多的发现，但是基于前人研究也会有更多的见解。 ———————————————— 版权声明：本文为CSDN博主「xiaojiuwo168」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/DENGSHUCHAO152/article/details/124644175