论文 · 资源记录
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations
以自动微分计算方程残差，将观测和物理约束共同用于前向与逆向 PDE 问题。
Maziar Raissi, Paris Perdikaris, George Em Karniadakis2019Journal of Computational Physics 378链接核验于 2026-07-14
为什么重要
用于核对 PINN 原始损失构造和实验；误差估计、刚性与高频失效需另行验证。