物理信息神经网络的应用与研究进展.pdfVIP

第42卷第7期河南科学Vol.42No.7

2024年7月HENANSCIENCEJul.2024

文章编号：1004-3918（2024）07-0945-15

物理信息神经网络的应用与研究进展

1222

刘肖廷，闵建，于相楠，郭远

（1.中国三峡集团公司科学技术研究院，北京210098；

2.河海大学力学与工程科学学院工程与科学数值模拟软件中心，南京211100）

摘要：物理信息神经网络（PINNs）是将物理建模与深度学习相结合的创新方法，较于纯数据驱动的神经网络，

PINNs通过结合物理信息，极大地降低了对数据量的依赖，在解决复杂物理问题的科学计算方面表现出卓越的实用

性.通过梳理PINNs在不通领域发展现状，首先系统阐述了PINNs的基本原理，强调了其独特的物理定律融入神经

网络的能力.其次，详细介绍了PINNs在科学和工程领域的广泛应用，展示了PINNs成功解决各个领域正问题和反

问题的显著成果.进一步，深入探讨了PINNs的研究进展，包括不同方面的创新成果，以及在此基础上产生的改进

方法.最后，详细分析总结了PINNs发展所面临的机遇和挑战，以期为该领域的研究提供了有价值的参考.

关键词：物理信息神经网络；机器学习；科学计算；深度学习；物理建模

中图分类号：TP183文献标识码：A

ApplicationsandAdvancementsofPhysics-InformedNeural

Networks：AnOverview

1222

LIUXiaoting，MINJian，YUXiangnan，GUOYuan

（1.InstituteofScienceandTechnologyResearch，ChinaThreeGorgesCorporation，Beijing210098，China；2.CenterforNumericalSimulation

SoftwareinEngineeringandSciences，CollegeofMechanicsandEngineeringScience，HohaiUniversity，Nanjing211100，China）

Abstract：Physicalinformationneuralnetworks（PINNs）representaninnovativeapproachthatintegrates

physicalmodelingwithdeeplearning.Comparedtopurelydata-drivenneuralnetworks，PINNssignificantlyreduce

datadependencybyincorporatingphysicalinformation，demonstratingexcellentutilityinsolvingcomplexphysical

problems.Firstly，thecurrentdevelopmentofPINNsininaccessiblefieldsisreviewed，systematicallyelaboratingon

thebasicprinciplesandemphasizingtheiruniqueabilitytoincorporatephysicallawsintoneuralnetworks.

Secondly，theextensiveapplicationsofPINNsinscienceandengineering