本篇论文介绍了深度学习在计算物理学中的应用，结合了线性代数和偏微分方程等数学概念，利用计算物理学的技术和算法，开发了多种深度学习算法，为模拟物理现象的建模提供了辅助工具。

Jan, 2023

本文介绍了一种基于深度学习的方法，用于时间演化的薛定谔方程的数值模拟，并赋予了随机力学和生成扩散模型的思想。使用我们的方法，可以根据扩散过程来适应波函数的潜在低维结构，具有更低的计算复杂性，也提出了用于随机量子力学的新方程，并进行了数值模拟验证。

May, 2023

该文章主要讲述了机器学习在流体力学中的应用历史、现状和未来机会。通过机器学习的方法，可以从大量数据中提取有关流体力学的知识，进而优化流体力学模型，并自动化流体流动控制和优化相关任务。

May, 2019

机器学习在科学计算中已经成为核心技术，能够用于加速直接数值模拟，提高湍流封闭建模，并发展优化的降阶模型，在计算流体力学等领域有着广泛的应用和潜在影响，但也需要考虑一些潜在限制和问题。

Oct, 2021

本文综述了深度神经网络在计算化学等领域中的广泛应用和优越表现，强调它作为一种有价值的机器学习工具在未来将发挥重要作用。

Jan, 2017

机器学习在实验流体力学领域具有重要的应用前景，可以提高测量技术的保真度和质量，改进实验设计和数值模型，并实现实时估计和控制。

Mar, 2023

本文概述了将先验物理知识或基于物理建模方法与深度学习相结合的现有方法，并重点讨论了在学习动力系统方面所面对的基本挑战和新兴机遇。

Jul, 2021

该文章使用复杂网络中常用的技术研究了深度置信网络，以期获得从学习过程中得到的计算图的结构和功能特性的一些见解。

Sep, 2018

机制设计是通过深度学习逼近满足所需特性的机制，研究中介绍了技术细节和关键成果，并展示了三个实证案例。

Jan, 2024

用深度学习方法建模复杂现象，以海表温度预测为例，展示了从物理学中获取的背景知识如何指导设计高效的深度学习模型，并证明了一个物理现象的微分方程的解与提出的模型之间的形式上的联系。

Nov, 2017