本研究提出物理信息高斯（PIG）方法，以提高神经网络在近似偏微分方程（PDE）时的准确性。该方法结合高斯函数特征嵌入与轻量级神经网络，动态调整均值和方差，从而增强PDE解的逼近效果。实验结果表明，该方法在多种PDE问题上表现优异。