物理增强神经网络 (PINN)

物理增强神经网络（Physics-Informed Neural Networks）是一种将物理定律（如偏微分方程）作为约束或损失函数的一部分嵌入到神经网络训练中的技术。

核心技术特点

• 物理约束：将物理定律作为训练约束，确保模型输出符合物理规律。
• 无监督学习：在无监督模式下实现高精度仿真，减少对标注数据的依赖。
• 直接求解PDE：从简单的代理模型向直接求解复杂物理偏微分方程跨越。

应用案例

• 半导体光刻仿真（arXiv:2603.15584）：利用PINN解决三维掩模电磁波衍射问题，针对13.5nm工业光刻系统实现高精度仿真。

在维基中的角色

物理增强神经网络是AI4Science的核心技术，代表了工业智能"物理化"趋势的技术基础。与[[世界模型]]共同构成AI理解物理规律的技术路径。