文章摘要:基于物理信息的神经网络（Physics-informed Neural Networks，PINN），是一类用于解决有监督学习任务的神经网络，它不仅尽力遵循训练数据样本的分布规律，而且遵守由偏微分方程描述的物理定律。与纯数据驱动的神经网络学习相比，PINN在训练过程中施加了物理信息约束，因此能用更少的数据样本学习得到更具泛化能力的模型。近年来，PINN已逐渐成为机器学习和计算数学交叉学科的研究热点，并在理论和应用方面都获得了相对深入的研究，产生了可观的进展。但由于PINN独特的网络结构，在实际应用中也存在训练缓慢甚至不收敛、精度低等问题。文中在总结当前PINN研究的基础上，对其网络/体系设计及其在流体力学等多个领域中的应用进行了探究，并展望了进一步的研究方向。

文章关键词:

项目基金: