分阶段深度训练：面向物理信息神经网络的表示课程学习

面向陡峭梯度、尖锐界面和强时空耦合物理系统的几何自适应与约束增强物理信息神经网络。

针对非线性分析中的无穷方程与p-Laplace方程，利用PINN和DeepONet求解二维、三维问题及大p值场景。

研究物理信息神经网络训练中的梯度冲突与多任务优化问题，针对刚性和高频偏微分方程提升收敛稳定性。

针对无穷与p-拉普拉斯方程构建物理信息神经网络和深度算子网络求解器，覆盖二维及三维问题。

面向常微分与偏微分包含的物理信息神经网络框架，以集合值微分算子距离残差替代经典逐点残差。