THINNs：热力学信息神经网络
机器学习
2025-09-25 v1 数值分析
数值分析
摘要
物理信息神经网络（Physics-Informed Neural Networks, PINNs）是一类深度学习模型，旨在通过训练神经网络最小化方程的残差来逼近偏微分方程的解。针对非平衡涨落系统，我们提出了一种物理信息化的惩罚项选择方法，该方法与由大偏差原理所刻画的基础涨落结构相一致。这种方法产生了一种新的PINNs表述，其中惩罚项的选择是为了惩罚不大可能的偏差，而非启发式地选取。由此得到的热力学一致扩展，称为THINNs，随后通过建立解析后验估计，并与已有的惩罚策略进行实证比较，进行了分析。
引用
@article{arxiv.2509.19467,
title = {THINNs: Thermodynamically Informed Neural Networks},
author = {Javier Castro and Benjamin Gess},
journal= {arXiv preprint arXiv:2509.19467},
year = {2025}
}