用于无穷与p-拉普拉斯问题的深度学习求解器与代理模型

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。

基于物理信息神经算子学习磁流体动力学函数空间映射，实现任意参数和时间下磁重联状态的高效推断，降低大 Lundquist 数下的计算成本。

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。

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。

提出联合解决神经算子分布外退化与PINN多解收敛错误的协同训练方法，利用不完美神经算子引导PINN优化。