本文研究了基于残差的架构对物理导向神经网络 (PINN) 的稳定性和准确性的增强作用，并通过数值实验证明了该架构的有效性。平方残差网络表现出了优秀的性能，提高了稳定性和准确性。这些发现突显了基于残差的架构在深度学习偏微分方程和计算物理应用中的潜力。

本文介绍了一种基于残差的架构，用于增强物理导向神经网络的稳定性和准确性。通过大量数值实验证明了该架构的有效性，特别是平方残差网络展现出了优秀的性能。这些发现突显了基于残差的架构在深度学习中的潜力。