算法论文8

西工大剖析PINNs局限性与求解展望

力学与人工智能2025-08-22

AI 摘要

西工大团队指出：PINNs虽广泛应用，但存在求解精度低、普适性差、经验参数多等局限，根源是问题特征尺度跨度大、数学严谨性弱、物理信息融入不严格，未来可从三方面改进。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

边鑫：HyDEA加速粘性不可压流动求解

2026年8月，第十四届全国流体力学学术会议在青岛举行，智能流体力学专题研讨会展示了人工智能与流体力学交叉领域进展。边鑫作《混合深度学习与迭代方法的粘性不可压流动加速求解》报告，介绍HyDEA求解框架。

西北工业大学团队提出PINN - MG框架，结合迭代法与物理信息神经网络。迭代法消除局部高频振荡误差，PINNs校正全局低频误差，在多方程测试中加速效果显著，还克服不定亥姆霍兹方程求解发散问题。

油田抽烟事故损失大，传统检测方法有局限，深度学习模型也面临难题。作者基于YOLOv11n构建GCEA - YOLO网络，含ADown、CSP - EDLAN、GFPN、EfficientHead四个模块，检测精度显著提升，还验证了泛化与稳定性，并给出复现代码。

文章围绕系统了解AI需搞清楚的四件事展开，介绍了AI理论基础层的机器学习和深度学习，感知交互层的计算机视觉等，应用实践层的机器人学等，还提及伦理社会层的AI伦理和社会影响研究。