本文介绍了一种名为EPR-Net的新型深度学习方法，用于构建高维非平衡稳态系统的势能景观。该方法利用了负势梯度是带权Hilbert空间中稳态分布关于驱动力的正交投影的事实，并提出了与NESS理论中熵产率公式相一致的损失函数。通过数值研究，证明了该方法在处理降维和状态相关扩散系数以及高维生物物理模型中的鲁棒性和有效性。