2. 数学基础回顾：偏微分方程（PDE）分类、初边值问题、变分原理、数值解法（有限差分、有限元）简介
物理信息神经网络（PINN）的核心思想是将物理定律以偏微分方程（PDE）的形式嵌入神经网络损失函数，从而在数据驱动与物理约束之间建立桥梁。因此，理解PDE的基本分类、定解条件、变分原理以及经典数值解法，是掌握PINN建模逻辑的前提。本章将系统梳理这些数学基础，并指出它们与后续PINN架构设计、损失函数构造、边界条件施加方式之间的直接对应关系。
2.1 偏微分方程的基本分类与物理意义
偏微分方程描述了多元函数及其偏导数之间的关系。在物理建模中，PDE通常源于守恒定律、本构关系或变分原理。从数学结构上，二阶线性PDE是最重要的研究对象，其一般形式为：
A·u_xx + 2B·u_xy + C·u_yy + D·u_x + E·u_y + F·u = G(x,y)其中判别式 Δ = B² - AC 决定了方程的类型。这一分类不仅是数学上的划分，更直接对应了不同的物理过程、信息传播速度以及合适的数值求解策略。
核心原理：三类方程与物理过程对应
- 椭圆型方程（Δ < 0）：典型代表为拉普拉斯方程 ∇²u = 0 和泊松方程 ∇²u = f。这类方程描述稳态平衡问题，如热传导达到稳态后的温度分布、静电场电势分布、无旋不可压缩流体的速度势。其特点是信息在所有方向同时传播，解在区域内处处光滑，需要全域边界条件。
- 抛物型方程（Δ = 0）：典型代表为热传导方程 u_t = α∇²u 和扩散方程。这类方程描述随时间演化的耗散过程，信息以无限速度传播但振幅衰减。其特点是时间方向为一阶导数，空间方向为二阶导数，需要初始条件和一个空间边界条件。
- 双曲型方程（Δ > 0）：典型代表为波动方程 u_tt = c²∇²u 和对流方程 u_t + a·u_x = 0。这类方程描述波传播和无耗散输运过程，信息以有限速度沿特征线传播。其特点是时间方向为二阶导数，解可能存在间断（如激波），需要初始位移和初始速度两个条件。
判断方法：从物理过程到方程类型
| 物理过程 | 控制方程 | 类型 | 典型应用场景 |
|---|---|---|---|
| 稳态温度场 | ∇²T = 0 | 椭圆型 | 电子器件散热分析 |
| 瞬态热传导 | T_t = α∇²T | 抛物型 | 激光加热过程 |
| 弦振动 | u_tt = c²u_xx | 双曲型 | 结构振动分析 |
| 不可压缩势流 | ∇²φ = 0 | 椭圆型 | 机翼绕流计算 |
| 污染物对流扩散 | C_t + v·∇C = D∇²C | 抛物型（对流占优时趋近双曲） | 环境流体力学 |
案例拆解：一维热传导方程的PINN建模准备
考虑一根长度为L=1的均匀细杆，初始温度分布为u(x,0)=sin(πx)，两端保持0℃。该问题由抛物型方程u_t = 0.01·u_xx控制。在构建PINN之前，我们需要明确：
- 方程类型识别：一阶时间导数+二阶空间导数 → 抛物型，需要1个初始条件+2个边界条件。
- 无量纲化：将时间尺度归一化，避免神经网络训练时因量纲差异导致收敛困难。
- 采样策略：在时空域[0,1]×[0,T]内均匀采样，边界和初始条件处加密采样点。
这一案例展示了从物理问题到数学描述，再到PINN输入准备的完整链路。实际执行时，我们会在后续章节中详细展开PINN的损失函数构造和训练细节。
2.2 初边值问题与定解条件
偏微分方程本身描述了物理过程的“共性规律”，而要确定一个具体问题的“个性解”，必须附加定解条件。定解条件包括初始条件（时间维度）和边界条件（空间维度）。只有方程+定解条件才构成一个适定的数学问题，即解存在、唯一且连续依赖于数据。
核心原理：三类边界条件
- 第一类边界条件（Dirichlet）：直接给定边界上的函数值 u|_∂Ω = g(x)。例如固定温度边界、固定位移边界。在PINN中，这类条件通过最小化网络输出与给定值的差异来施加。
- 第二类边界条件（Neumann）：给定边界上的外法向导数值 ∂u/∂n|_∂Ω = h(x)。例如绝热边界（热流为零）、自由边界（应力为零）。PINN中需要计算网络输出对输入的空间梯度。
- 第三类边界条件（Robin）：函数值与导数值的线性组合 α·u + β·∂u/∂n = γ(x)。例如对流换热边界、弹性支撑边界。这是前两类的推广，在PINN中实现时需要同时约束函数值和梯度。
判断方法：如何确定定解条件的数量与类型
确定定解条件的基本原则是：方程的最高阶导数阶数决定了所需条件数量。对于时间变量，二阶导数需要2个初始条件，一阶导数需要1个初始条件；对于空间变量，二阶导数需要在每个边界上各1个条件，一阶导数只需在流入边界上给定条件。实际操作中，应首先明确方程类型，再根据物理意义确定边界条件类型。
案例拆解：二维泊松方程的电势分布问题
设矩形区域[0,1]×[0,1]内满足∇²u = -2π²sin(πx)sin(πy)，四边均为Dirichlet边界u=0。该问题解析解为u=sin(πx)sin(πy)。在PINN建模中：
- 边界条件施加：由于边界形状规则，可直接构造满足边界条件的试函数 u_NN = x(1-x)y(1-y)·N(x,y;θ)，其中N为神经网络输出。这样边界条件被自动满足，损失函数只需最小化PDE残差。
- 内部采样：在域内随机采样5000个点，计算残差 r = ∇²u_NN + 2π²sin(πx)sin(πy)。
- 训练与验证：训练后与解析解对比，评估L2相对误差。
该案例展示了硬约束边界条件的优势——无需在损失函数中权衡边界项和PDE项的权重，简化了超参数调节。
2.3 变分原理与弱形式
变分原理是许多物理定律的另一种表述方式：物理系统的真实状态使某个泛函（能量、作用量等）取极值。例如，弹性体的平衡位置使总势能最小，稳态温度场使耗散泛函最小。将PDE转化为变分问题，不仅提供了另一种求解思路，也是有限元方法和部分PINN变体的理论基础。
核心原理：从强形式到弱形式
考虑Poisson方程 -∇²u = f，定义试函数空间V和测试函数空间V₀（在边界上为零）。将方程两边乘以测试函数v并分部积分，得到弱形式：
∫Ω ∇u·∇v dΩ = ∫Ω f·v dΩ, ∀v ∈ V₀这一形式降低了对解的光滑性要求（只需一阶导数平方可积），同时自然包含了Neumann边界条件。对应的变分问题是：求u ∈ V使得泛函 J(u) = ½∫Ω|∇u|²dΩ - ∫Ω f·u dΩ 取极小值。
判断方法：何时使用变分形式
- 有限元方法：必须使用弱形式，因为基函数（如分片线性函数）只有一阶连续性。
- PINN的变体（如VPINN）：将PDE残差投影到测试函数空间，形成弱形式损失，可处理不连续系数或奇异源项。
- 能量最小化问题：直接以能量泛函作为损失函数，物理意义明确，但需要确保泛函的凸性。
案例拆解：一维弹性杆的拉伸问题
一根截面积为A、长度为L的弹性杆，一端固定，另一端受拉力F。控制方程为 -E·A·u'' = 0，边界条件为u(0)=0，E·A·u'(L)=F。其变分原理为：总势能 Π = ½∫₀ᴸ EA(u')²dx - F·u(L) 取极小值。
- 有限元求解：将杆划分为N个单元，每个单元内假设线性位移场，组装刚度矩阵并求解。
- PINN求解：构造网络u_NN(x;θ)，损失函数为 L = λ₁·u_NN(0)² + λ₂·(EA·u_NN'(L)-F)² + λ₃·∫₀ᴸ(EA·u_NN'')²dx。其中第三项对应PDE残差。
- 对比分析：有限元得到的是分段线性近似，PINN得到的是全局光滑近似。对于光滑解，PINN精度更高；对于有应力集中的问题，有限元通过网格加密更灵活。
2.4 数值解法简介：有限差分与有限元
经典数值解法是PINN的重要参照系。理解这些方法的优缺点，有助于我们判断何时选择PINN、如何验证PINN结果的正确性，以及如何将传统方法的网格信息用于PINN的采样策略。
核心原理：两种主流方法的基本思想
| 对比维度 | 有限差分法（FDM） | 有限元法（FEM） |
|---|---|---|
| 离散方式 | 在规则网格上用差分公式近似导数 | 将区域划分为单元，在单元内用基函数近似解 |
| 适用网格 | 结构化网格（矩形、正交曲线） | 非结构化网格（三角形、四面体） |
| 数学基础 | Taylor展开 | 变分原理/加权残值法 |
| 边界处理 | 需要特殊处理不规则边界 | 自然满足Neumann边界 |
| 解的连续性 | 仅节点值，导数精度低 | 单元内连续，导数精度可控 |
| 典型应用 | 流体力学（FVM）、简单几何 | 结构力学、复杂几何 |
操作流程：FDM与FEM的标准步骤
有限差分法流程：
- 在求解域上生成网格，确定节点坐标。
- 用差分公式（如中心差分、迎风差分）离散PDE中的导数项。
- 代入边界条件，组装线性方程组。
- 求解方程组（直接法或迭代法）。
- 后处理：计算导出量（如热流、应力）。
有限元法流程：
- 将区域划分为单元，定义节点和单元拓扑。
- 选择形函数（线性、二次等），建立单元刚度矩阵。
- 组装全局刚度矩阵，施加边界条件。
- 求解线性方程组。
- 后处理：应力平滑、误差估计。
案例拆解：用FDM求解一维热传导方程并与PINN对比
考虑u_t = u_xx，x∈[0,1]，t∈[0,0.5]，初始条件u(x,0)=sin(πx)，边界条件u(0,t)=u(1,t)=0。使用显式FDM：
# 参数设置
dx = 0.01; dt = 0.0001; r = dt/dx² # r = 1.0，满足稳定性条件
# 时间推进
for n in range(Nt):
u[1:-1, n+1] = u[1:-1, n] + r*(u[2:, n] - 2*u[1:-1, n] + u[:-2, n])该问题的解析解为u(x,t)=e^(-π²t)sin(πx)。对比FDM和PINN的结果：FDM在网格足够密时精度高，但需要满足CFL稳定性条件（r≤0.5）；PINN无需网格，但训练时间较长。实际工程中，对于简单几何和规则边界，FDM更高效；对于复杂几何或需要反演参数的问题，PINN更具优势。
2.5 本章总结与工程启示
本章回顾了PDE分类、定解条件、变分原理和经典数值解法，这些内容构成了PINN的理论基石。在实际工程应用中，我们应建立以下认知框架：
- 方程类型决定采样策略：椭圆型方程只需空间采样，抛物型和双曲型需要时空联合采样，且时间方向采样密度需根据物理时间尺度调整。
- 边界条件影响网络设计：规则边界优先使用硬约束，复杂边界使用软约束并合理设置权重。
- 变分原理提供替代方案：当PDE存在间断系数或奇异源项时，考虑使用弱形式损失函数。
- 传统方法作为验证基准：在开发PINN模型时，应先用FDM或FEM求解同一问题，作为参考解验证PINN的准确性。