2026年11月3日
Networks are not essential for PINNs: A network-free piecewise parametric optimization framework
PINNPhysics-informed parametric learning
33+
精读论文与学习笔记
4
核心研究方向
2023
小组成立于桂林
∞
我们探索的脚步
我们研究什么
围绕计算数学与机器学习，四个核心方向并行推进
∑
数值分析
研究偏微分方程（PDE）的数值解法：有限差分、有限元与谱方法。应用于热传导、波动传播与流体模拟等科学计算场景。
∇
优化算法
探 索凸优化与非凸优化的经典方法：梯度下降、牛顿法与约束优化，聚焦等高线分析与最优解轨迹的可视化。
π
物理信息神经网络
结合神经网络与物理模型，引入 PDE 约束、残差分析与自适应采样机制，广泛用于模拟自然过程与求解逆问题。
λ
深度学习
聚焦卷积神经网络的结构与原理，涵盖特征提取、池化与分类过程，应用于图像识别、语义分割与计算机视觉。
最新学习日志
边读论文边做笔记，用朴素的写作把复杂的思想讲明白
一些关于小组的评价🥰
这个页面是对小组的一些评价，欢迎发言😎