我们通过将偏微分方程表示为神经网络来发现PDE，采用类似物理信息神经网络的中间状态表示。使用惩罚方法和约束区域障碍方法解决受约束的优化问题，并进行数值比较。结果表明，约束方法在高噪声或空间插值点少时表现更好。我们用传统方法解决发现的神经网络PDE，而不是依赖自动微分的PINN方法。