基于物理信息神经网络与高速视频的熔池流场重建

面向物理信息神经网络的表示课程学习，通过分阶段训练、独立迁移与逐步精炼表示，改善解拟合过程中的表示质量。

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。

提出无网格AKAPINN方法求解非线性应变限制偏微分方程，通过精确硬边界假设和伪Huber残差损失函数提升训练稳定性。

针对冠脉介入手术的血流动力学建模，提出物理信息方法实现无监督预测与稀疏数据同化，解决传统数值分析和纯数据驱动方法的局限。