本研究提出了一种基于物理信息的神经网络（PINNs）方法，用于解决量子电动力学中的 Dyson-Schwinger 积分方程。该方法通过将方程整合入损失函数，使网络能够学习多种动量和紫外截止值的解决方案，预计将推动量子场理论及机器学习在高能物理中的应用。