arXiv · battery（physics.app-ph）· Remus Teodorescu·· 2026-01-26精选AI 评分58
物理信息学习加速电化学器件建模：面向实时控制的框架与展望
Acceleration of Modelling with Physics Informed Learning: Frameworks and Perspectives for Real-Time Control of Electrochemical Devices
模型导读
文章评估了 PINN、PIDeepONet 和 PINO 三种物理信息机器学习框架在电化学器件实时控制中的潜力，从训练成本、推理速度和泛化能力三方面进行对比。PINN 适合固定问题但参数变化需重新训练，PIDeepONet 支持跨工况算子学习且无需网格，PINO 在规则网格上性能更优、外推能力最强。
推荐理由
文章对比 PINN、PIDeepONet 与 PINO 三种物理信息学习框架的训练成本、推理速度与外推能力，为电化学器件实时控制选型提供依据。
来源：arXiv · battery（physics.app-ph） · arxiv.org