研究方向
当前位置:
中文主页
>> 研究方向
物理信息化神经网络算法求解复杂物理化学动力学演化方程
从复杂物理系统中解析动态标度律和尺寸演化规律是材料科学的核心挑战。本研究致力于发展一套融合物理先验的深度学习方法，以解决Ostwald熟化过程中多尺度耦合、非线性动力学难以解析的关键问题，通过物理信息神经网络（PINN）、自动微分、高斯-勒让德积分技术实现积分-微分方程约束下的分布函数求解，揭示相变过程中动态标度不变性的数学本质，为攻克材料生长过程中跨时空尺度演化、隐式积分约束难以满足的共性难题提供新范式，推动人工智能驱动的材料动力学理论突破。