PINN from Scratch

新
许可证: MIT · 更新于 2026-11-05
我的评分

「PINN from Scratch」项目以最小依赖从零实现物理信息神经网络,全程以一维热传导方程作为贯穿的基准问题。课程先铺垫 Python 与机器学习基础,再对照经典偏微分方程求解方法(分离变量法、有限差分法、有限元法)说明 PINN 无网格路线的价值,随后逐层构建 PINN 模型并对比 SGD、Adam、L-BFGS 三类优化器的训练表现;进阶部分引入混合高斯模型(GMM)与课程学习(CL)策略以缓解收敛慢与局部最优问题,并拓展到局部极限学习机(locELM)、随机特征方法(PU-RFM)与随机神经网络(RaNN)等建模路线。

学习路径建议:

  1. 读完机器学习基础与经典求解法对照章节,建立数值参考解。
  2. 跑通 PINN 章节(一维热传导),检查物理残差损失的收敛过程。
  3. 用 DeepXDE 复现同一问题,对比手写与框架的差别。
  4. 进阶到 NeuralOperator / 工业代理模型。
标签: