本论文介绍了一种名为物理引导的神经网络（PGNN）的框架，它将物理学和神经网络相结合。该框架利用物理模型和观察特征，通过神经网络生成预测，并使用物理基础的损失函数确保模型预测与已知的物理学保持一致。通过科学知识指导神经网络的构建和学习，该框架提高了泛化能力和结果的科学一致性。

本论文介绍了一种名为物理引导的神经网络（PGNN）的框架，将物理学模型与神经网络相结合，以生成预测。该框架使用物理基础的损失函数来确保模型预测的科学一致性。通过以科学知识指导神经网络的构建和学习，该框架能够提供更好的泛化能力和结果的科学一致性。