本研究提出了一种新方法——物理编码消息传递图网络（PhyMPGN），解决神经模型在复杂条件下预测时空动态的不足。该方法在小规模数据上有效建模不规则网格的时空偏微分方程。实验结果表明，PhyMPGN在非结构化网格上准确预测多种时空动态，优于其他方法。

该研究提出了改进图形U-Net体系结构的新方法，克服了传统深度学习方法在复杂几何形状和非结构化网格方面的局限性。研究还探讨了图形U-Net在转导学习和归纳学习方面的应用。