计算物理

作者：陈佳, 陈新海, 肖调杰, 陈旭光, 王庆林, 刘杰

关键词：物理信息神经网络, 偏微分方程, 频谱偏差, 融合网络, 动态权重

针对传统物理信息神经网络因频谱偏差导致的收敛效率低、预测精度差等问题，本文提出一种基于融合网络和动态权重生成的物理信息神经网络算法（EM–RBN），该算法通过设计基于数据增强变换的多层感知机和径向基融合子网络，高效捕捉跨频率特征。同时，在网络中引入动态权重生成模块，实时学习并调整子网络输出权重以平衡高低频特征的贡献。实验结果表明，EM–RBN方法在不同数值问题上相较于已有物理信息神经网络算法最高实现了两个数量级的预测精度提升。本文的代码开源在https://github.com/jia-chen25/EM-RBN。

来源：2026年第2期

《计算物理》期刊编辑部

查看计算物理杂志2026年第2期