物理信息神经网络 (PINNs)

物理信息神经网络（Physics-Informed Neural Networks, PINNs）是一种将物理定律（偏微分方程）嵌入神经网络训练过程的深度学习架构。2026年3月，最新的研究（arXiv:2603.00412）通过NTK（神经切向核）引导的自适应加权方法，解决了高雷诺数流体模拟中的收敛难题。实验证明，该方法能使Navier-Stokes方程的收敛速度提升2.3倍，且能有效防止训练中的数值梯度爆炸。这一突破对工业仿真意义重大，有望推动PINNs从学术研究走向工业级应用。