本研究探讨了物理信息深度算子网络（DeepONets）的学习内容，评估了基函数的普遍性及其降维潜力。结果表明，通过奇异值和扩展系数衰减来衡量性能，并提出了跨参数和偏微分方程的迁移学习方法，以降低训练误差并提高基函数的有效性。