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。

文章介绍了一种将文本转化为3D 360度场景的技术。通过2D扩散模型和提示自我完善生成高质量全景图像，并利用粒子技术提升为3D高斯函数，实现实时浏览。通过对齐2D深度构建空间连贯的点云，解决单视角不可见问题，并应用语义和几何约束优化高斯函数，重建不可见区域，提供一致的沉浸式3D体验。