本文研究非线性守恒律中的物理信息缺失，提出耦合积分PINN方法，通过额外神经网络拟合积分解，提升传统PINN在冲击波建模中的能力，效果显著。

本研究探讨了物理信息驱动的神经网络（PINNs）在两个系统上的实验数据表现。在非线性摆系统中，PINNs 在理想数据情况下的准确度提高了18倍和6倍，在实验数据测试中提高了9.3倍和9.1倍。研究还验证了物理信息驱动模型在物理系统中的可行性，并选择FPGA作为计算基板。