Infinity 与 p-Laplace 问题的深度学习求解器与代理模型
通用科学ML
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。
新 见LICENSE文件 无穷方程p-Laplace方程物理信息神经网络
标签：物理信息神经网络
25 个条目
物理信息神经网络的梯度手术
通用科学ML/ScientificML
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。
新 见LICENSE文件 物理信息神经网络梯度冲突多任务优化
基于概率物理信息神经网络的Woods-Saxon参数识别方法
量子/化学
提出概率物理信息神经网络框架，结合WaveNet和ParamNet实现从稀疏光谱数据中恢复原子核Woods-Saxon势参数的正反问题求解。
见LICENSE文件 核物理物理信息神经网络参数识别
基于稀疏观测的物理信息网络大气热力预测用于气候感知数字孪生
流体/CFD
研究评估物理信息神经网络在大气热力温度预测任务中的能力，利用气压坐标热力学平流源方程作为物理约束，解决稀疏热力观测条件下的短时预报问题。
见LICENSE文件 物理信息神经网络大气温度预测数字孪生
AKAPINN：自适应Kolmogorov-Arnold物理信息神经网络求解准线性偏微分方程
结构/Structural
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。
见LICENSE文件 物理信息神经网络准线性PDE应变限制
FAST-ML：热带气旋强度预报的混合物理-机器学习框架
CFD
提出FAST-ML混合框架，将物理约束嵌入数据驱动模型，用于热带气旋快速增强预报，兼顾计算效率与物理可解释性。
见LICENSE文件 热带气旋气象预报物理信息神经网络
面向肌腱驱动连续体机器人概率动力学的历史条件流匹配方法
多体
提出历史条件物理信息流匹配框架，解决肌腱驱动连续体机器人因材料特性、传动摩擦及接触不确定性导致的概率动力学预测难题。
见LICENSE文件 连续体机器人流匹配概率动力学
物理约束的弱耦合双室神经元模型树突-胞体动力学推断方法
多体/Multibody
提出基于物理信息神经网络(PINN)的双室神经元模型，从弱耦合树突记录推断不可直接测量的胞体膜电位动力学。
见LICENSE文件 神经动力学物理信息神经网络双室模型
物理信息 CNN 预测电池包温度场
热管理 / 物理信息机器学习
将热传导方程以有限差分形式写入损失函数的物理信息卷积神经网络，作为电池包液冷系统温度场代理模型，在同等训练数据下精度优于纯数据驱动方法。提供 PyTorch/TensorFlow 多后端实现，适合作为物理 AI 入门首选框架。
arXiv 预印本（版权归作者） 热管理物理信息神经网络电池
刚性弦振动的物理信息神经网络研究
结构/Structural
研究PINNs模拟一维线性刚性弦横向振动的有效性，将PDE及初始边界条件直接嵌入神经网络损失函数。
见LICENSE文件 物理信息神经网络刚性弦振动固体力学
基于图超网络的可摊销物理信息神经求解器
ScientificML
提出基于算子图的图超网络方法，将PDE的场、导数、项和残差显式建模为节点，实现跨相关偏微分方程的可摊销神经求解器元训练。
见LICENSE文件 物理信息神经网络图超网络算子图
基于物理信息神经网络的脉冲激光场快速耦合自旋动力学
量子/化学
基于物理信息神经网络求解少周期激光脉冲中电子自旋动力学，导出静止电子在CEP稳定线性极化平面波脉冲中极化角与即时矢势的解析关系。
见LICENSE文件 物理信息神经网络自旋动力学激光驱动电子源
历史数据上的物理知识比预测中强制物理约束更重要
通用科学ML
提出PIRNN方法，通过在训练阶段引入历史数据的物理知识，提升物理过程时间序列预测的可解释性和准确性。
见LICENSE文件 物理信息神经网络时间序列预测递归神经网络
PINN热方程求解器
PINN
基于物理信息神经网络（PINN）的热传导方程求解工具，通过神经网络嵌入热传导物理定律进行温度场预测。模型在热传导方程正/反问题均验证，支持 1D/2D/3D 几何与不规则边界 PINN 训练，附 TensorBoard 可视化。
见LICENSE文件 物理信息神经网络热方程热传导
面向无数据预测与稀疏数据同化的物理信息血流动力学建模
CFD
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。
见LICENSE文件 血流动力学冠脉介入物理信息神经网络
OneScience-Group/PINN-TC
科学计算
HuggingFace上的PINN相关模型资源，由OneScience-Group提供，用于科学计算与物理问题建模。模型由 OneScience-Group 维护，提供训练脚本与多任务预训练权重，可作为 PINN 迁移学习的起点。
cc-by-4.0 科学计算神经网络物理信息神经网络
cluster-07-fourier-pinn
Fourier-PINN
HuggingFace模型仓库，名称包含Fourier-PINN，可能涉及傅里叶增强的物理信息神经网络。模型集成 Fourier 特征编码与 PINN 损失，专为频域敏感的 PDE 设计，提供训练配置 YAML 模板。
mit PINNFourier物理信息神经网络
cluster-06-bubble-dynamics-pinn
PINN模型
HuggingFace托管的气泡动力学PINN模型仓库，模型名称表明聚焦于使用物理信息神经网络处理气泡动力学问题。模型针对气泡成核/聚并/变形等动力学场景设计，含多相流 PINN 损失与可视化输出。
mit 气泡动力学物理信息神经网络PINN
cluster-03-potential-flow-pinn 模型
物理信息神经网络
HuggingFace 上的潜在流 PINN 聚类模型仓库，提供基于物理信息神经网络的势流建模资源。数据集以势流理论为基线，提供 PINN 训练所需的边界条件 / 控制方程模板，适合课堂与论文复现。
mit 物理信息神经网络势流聚类
可压缩欧拉方程 PINN 模型
PINN
基于物理信息神经网络的压缩欧拉方程求解模型，托管于 HuggingFace。模型针对压缩欧拉方程族设计，使用守恒型 PINN 损失，适合激波相关流动代理建模。可作为基线对比。
mit 物理信息神经网络计算流体力学可压缩流
Physics-informed Neural Network CFD
PINN/CFD
基于HuggingFace的物理信息神经网络CFD模型仓库，提供将物理约束嵌入神经网络进行计算流体力学建模的方法。模型实现 RANS 方程 PINN 训练 pipeline，含湍流模型混合项处理，可直接用于 2D 简单外流 CFD 复现。
见LICENSE文件 PINNCFD物理信息神经网络
HIPNO：用于无创血液动力学推断的对称性感知物理信息神经算子
通用科学ML
提出HIPNO方法，利用对称性感知物理信息神经算子，从非侵入性信号推断血液动力学状态，扩大先进监测的可及性。
见LICENSE文件 血液动力学物理信息神经网络神经算子
CIFGS/physics-informed-sirenMRI-model
PINN
HuggingFace平台上托管的物理信息神经网络模型，名称暗示与MRI成像和SIREN架构相关，详细信息待查阅官方页面。提供 PyTorch/TensorFlow 多后端实现，适合作为物理 AI 入门首选框架。
mit 物理信息神经网络MRISIREN
Gnomon：物理信息驱动的LEO网络链路状态预测系统
电磁/Electromagnetics
Gnomon系统利用物理信息方法重构LEO卫星服务几何与信号衰减模型，预测用户感知的上/下行吞吐量和RTT，适用于不同轨迹数据可用性场景。
见LICENSE文件 低轨卫星物理信息神经网络链路预测
用于对流流体重建的改进型周期性激活函数PINNs
通用科学ML
提出一种基于复指数函数的改进周期性激活函数，用于PINNs从稀疏速度数据重建对流流动温度场，测试表明优于传统正弦激活MLP。
见LICENSE文件 物理信息神经网络周期性激活函数对流流动