本文介绍了一种基于自我训练的物理学受控神经网络（ST-PINN）方法，通过高置信度样本点训练，提升了神经网络学习物理信息的效果和收敛性。实验结果显示，该方法在多个场景下优于现有技术，精度提升1.33倍至2.54倍。同时，探讨了其他神经网络结构和方法在求解偏微分方程中的应用。