历史数据上的物理知识比预测中强制物理约束更重要

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。

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。

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。

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。

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。