改进物理信息神经网络中的不确定性量化：使用误差边界和解束

本研究解决了物理信息神经网络(PINNs)在不确定性量化方面的不足，提出了一种通过贝叶斯神经网络进行两步训练的创新方法。研究结果表明，利用已有的PINNs误差边界，可以显著提高不确定性估计，并在宇宙学中的参数估计中有效应用这些不确定性。