待验证50% 置信事实精确时间

物理信息神经网络（PINNs）通过在损失函数中嵌入物理守恒方程，确保网络输出在物理上自洽

1

来源数

50%

置信度

长期有效

时效性

2026/9/10

首次发现

来源

DeepMind校友创立Fusionality：AI如何加速核聚变商业化

涉及实体

物理信息神经网络concept

相关事实

待验证液态神经网络的节点连接强度能随输入动态调整，本质上是一种连续时间递归神经网络（CT-RNN）64% 相似已验证反向传播的本质是链式求导，损失函数对每一层参数的梯度从输出层向输入层逐层传递，前提是损失函数必须存在且可微62% 相似待验证一个最基本的神经网络由输入层、隐藏层和输出层三部分组成61% 相似待验证图神经网络通过消息传递机制让每个节点聚合邻居节点信息，迭代更新自身表征61% 相似待验证工作流节点之间存在上下游依赖关系，即某个节点的输出是另一个节点的输入，删除节点可能破坏流程连贯性60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/888506

API

curl https://kongchang.com/api/v1/knowledge/claims/888506

MCP

get_claim(id=888506)