4. 物理约束嵌入的建模方法

在物理数据稀缺的场景中，纯数据驱动的模型往往面临两个困境：一是样本覆盖不足导致泛化能力差，二是预测结果可能违反基本物理规律（例如能量凭空产生、质量不守恒）。物理约束嵌入的核心思想，是把人类已经掌握的守恒律、对称性、边界条件等先验知识，以可计算的形式注入模型——要么改造模型结构使其天然满足约束，要么在损失函数中加入惩罚项迫使模型遵守约束。本节围绕这两条技术路线展开，并给出可操作的实现细节。

一、两类嵌入路径：结构约束与损失约束

结构约束（硬约束）通过重新设计网络结构或输出变换，使模型输出在数学上恒满足约束。典型做法包括：对输出做守恒投影、用对称性构造等变网络层、将边界条件编码为固定基函数。硬约束的优点是约束严格成立，缺点是设计复杂、对复杂约束的适配性有限。损失约束（软约束）则保留标准网络结构，在训练目标中加入物理残差项，例如把偏微分方程残差、守恒量偏差、边界违反量作为惩罚。软约束实现灵活、易于组合多种约束，但约束只是近似满足，需要调节权重。

实际工程中常采用混合策略：对必须严格成立的约束（如质量守恒、不可穿透边界）用结构约束保证，对难以结构化表达的约束（如复杂本构关系）用损失约束近似。

二、守恒律的嵌入：从残差项到投影层

以不可压缩流体的一维质量守恒为例，控制方程为 ∂u/∂x = 0（密度恒定）。若用神经网络 u_θ(x) 拟合速度场，软约束做法是在损失中加入残差项：

L_total = L_data + λ · mean( (∂u_θ/∂x)² )
# L_data 为观测数据拟合误差，λ 为约束权重
# 残差用自动微分计算，无需网格

训练时若 λ 过小，模型会拟合噪声而破坏守恒；λ 过大则数据项被压制，预测趋于平凡解。常用做法是采用自适应权重：每隔若干步计算数据损失与约束损失的量级比，令 λ 随约束残差下降而逐步增大，形成“先拟合、后守律”的课程式训练。

硬约束做法更直接：令网络输出一个标量势函数 φ(x)，再取 u = ∂φ/∂x 的某种零散度变换，或直接对输出做减去均值的投影 u ← u − mean(u)，使离散守恒严格成立。对于多维问题，可用离散散度算子构造投影层，把输出投影到无散空间。

三、对称性的嵌入：等变网络与数据增广

对称性指物理系统在某种变换下保持不变。例如各向同性材料的应力响应在坐标旋转下应等变：输入旋转 R，输出也按 R 变换。结构约束的实现方式是构造等变层，使网络满足 f(R·x) = R·f(x)。工程上更易落地的是数据增广：对训练样本施加随机旋转、平移、镜像，迫使网络学习到对称性。两者可结合——在浅层用等变卷积，在深层用增广数据微调。

需要提醒的是，对称性增广会放大样本量但不会创造新信息，若原始数据极少，增广后的样本仍高度相关，此时应优先用结构等变层而非单纯增广。

四、边界条件的嵌入：硬编码与惩罚

边界条件分两类：Dirichlet 型（给定边界值）和 Neumann 型（给定法向导数）。软约束把边界违反量加入损失：

L_bc = mean( (u_θ(x_b) − u_b)² )        # Dirichlet
L_bc = mean( (∂u_θ/∂n(x_b) − q_b)² )    # Neumann

硬约束则通过输出变换实现。例如对一维区间 [0, L] 上的 Dirichlet 边界 u(0)=u(L)=0，可令 u_θ(x) = x(L−x)·N_θ(x)，其中 N_θ 为无约束网络，这样输出在端点恒为零。对非零边界值，可写成 u_θ(x) = g(x) + x(L−x)·N_θ(x)，g(x) 为满足边界条件的简单插值函数。这种“基函数 + 网络修正”的构造在数据稀缺时尤其有效，因为它把边界信息直接写进了模型结构。

五、一个可复现的教学示例

假设我们有一维稳态热传导问题：−d²T/dx² = 0，边界 T(0)=100，T(1)=0，仅有 8 个内部温度观测点（含噪声）。真实解为线性分布 T=100(1−x)。

采用硬约束构造：T_θ(x) = 100(1−x) + x(1−x)·N_θ(x)。此时边界条件自动满足，损失只需包含数据项和 PDE 残差项：

L = mean((T_θ(x_i) − T_obs_i)²) + λ · mean((d²T_θ/dx²)²)
# 示例参数：λ=0.01，网络 2 层 32 单元，训练 2000 步
# 预期：边界误差≈0，内部拟合误差随 λ 调节

若改用纯数据驱动（无约束），8 个含噪点训练出的网络在边界附近会出现明显偏离，且二阶导数不为零，违反控制方程。加入约束后，即使数据点稀疏，模型在无观测区域也能给出符合物理的线性插值。判断是否成功，可检查三项指标：边界违反量是否接近零、PDE 残差范数是否随训练下降、无观测区域的预测是否落在物理合理范围内。

总结来看，物理约束嵌入不是单一技巧，而是一套“约束识别—表达选择—权重调节—残差验证”的工程方法。守恒律、对称性、边界条件各有其适合的嵌入形式，硬约束保证严格性、软约束提供灵活性，二者结合才能在数据稀缺时既守住物理底线，又保留对观测的拟合能力。