原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学与探索1673-9418/2025/19(02)-0277-18
JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2407056
物理引导的深度学习研究综述：进展、挑战和展望
1+1112
陈冲，朱啸宇，王芳，许雅倩，张伟
1.中国石油大学（北京）人工智能学院，北京102249
2.中国科学院西北生态环境资源研究院冰冻圈科学与冻土工程重点实验室可可托海站，兰州730000
+通信作者E-mail:chenchong@
摘要：尽管深度学习在处理非线性高维问题时表现出强大的能力，但在复杂科学与工程问题中仍面临诸多挑战，
如高昂的计算成本、大量的数据需求、难以解释的黑盒特性，缺乏对物理规律的建模能力等。为此，近年来涌现了一
种新的框架——物理引导深度学习，通过将领域内的物理知识融入深度学习模型的构建和训练过程中，旨在增强模
型的性能、可解释性及其物理一致性。对国内外关于物理引导深度学习的相关工作进行了全面梳理与分析。介绍
了物理引导深度学习框架的主要动机与理论基础。对物理信息组合与物理信息融合两种模式进行了详细讨论，总
结了各方法的特点、局限性与应用场景。分析了物理引导深度学习在多个领域应用中的表现，并从计算复杂性与优
化收敛问题、控制方程偏离问题、观测数据依赖问题与知识融合困难问题四个方面探讨了该框架目前面临的挑战，
并基于此展望该领域未来的发展方向，以期为研究者提供借鉴思路及多维度视角。
关键词：科学范式；物理引导；深度学习；模型融合；控制方程
文献标志码：A中图分类号：TP183
ComprehensiveReviewofPhysics-GuidedDeepLearning:Advancements,
Challenges,andPerspectives
1+1112
CHENChong,ZHUXiaoyu,WANGFang,XUYaqian,ZHANGWei
1.CollegeofArtificialIntelligence,ChinaUniversityofPetroleum(Beijing),Beijing102249,China
2.KeyLaboratoryofCryosphericScienceandFrozenSoilEngineering,NorthwestInstituteofEco-Environment
andResources,ChineseAcademyofSciences，Lanzhou730000,China
Abstract:Althoughdeeplearninghassignificantachievementsinaddressingnonlinearandhigh-dimensionalproblems,it
faceschallengesincomplexscientificandengineeringdomains(suchashighcomputationalcostsanddatarequirements,
thedifficultiesininterpretingitsblack-boxnature,andthelackofcapabilitiesforfollowingthephysicallaws).Therefore,
anovelframeworkcalledphysics-guideddeeplearninghasemergedwhichenhancestheperformance,explainability,and
physicalco
文档评论（0）