本研究探讨了物理启发神经网络（PINN）在固体力学中的两个主要挑战，提出的有限PINN模型有效解决了固体结构的边界和几何适应问题，展现出良好的应用前景。

本文介绍了物理信息神经网络在固体力学中的应用方法，通过多网络模型结合动量平衡和本构关系，准确呈现场量变量。探索了该框架在机器学习中的应用，并发现物理信息对提高模型鲁棒性有很大作用。