physics-informed-learning

本文研究了物理信息与混合机器学习策略，用于预测熔丝制造中的粘合质量和孔隙率，结果表明即使在实验数据有限的情况下，也能建立精确的模型。

介绍了PI-Splines，一种基于结构化样条的物理信息学习架构，通过可训练的B样条系数对未知场进行参数化，提供了紧支撑、解析导数以及强边界条件施加能力，被证明是基于神经网络方法的有竞争力的替代方案。