本文介绍了一种基于物理信息神经网络（PINNs）的新框架，旨在提高微震成像和波场解决方案的效率与准确性。通过引入因果损失和多频率波场，解决了数据稀疏性问题，并在多个实验中验证了其有效性。研究还探讨了PINNs在不同物理系统中的应用，展示了其在处理复杂边界条件和优化问题中的潜力。

本论文提出了一种基于物理信息神经网络 (PINNs) 的直接微震成像框架，可以处理非常稀疏的记录数据并生成聚焦的源图像，以解决数据稀疏性导致的混淆问题，并使用多频率波场和倒数傅里叶变换来提取源图像，并引入因果损失以提高 PINNs 的收敛性，针对 Overthrust 模型和液压压裂现场数据进行数值实验，证明该方法可以正确成像单个或多个源。