随着基础设施、地下空间开发、边坡工程、能源地下结构等领域的快速发展，岩土工程面临越来越复杂的多场耦合（渗流-应力-温度-化学）、非线性本构、大变形及多尺度力学问题。传统数值方法（有限元、有限差分）在处理复杂本构模型、参数反演、不确定性分析时存在计算成本高、网格依赖性强、参数校准困难等瓶颈。同时，现场监测数据与室内实验数据日益丰富，如何融合数据驱动与物理机制实现高效正反分析，成为岩土力学计算前沿的核心挑战。

物理信息神经网络（PINN）作为一种无网格、可微分、物理约束嵌入的深度学习框架，近年来在岩土工程领域取得了突破性进展。PINN 能够将偏微分方程（如固结方程、渗流方程、Navier-Stokes 方程）直接编码为损失函数，实现小样本条件下的高精度求解与参数反演；深度能量法（DEM）进一步将变分原理与神经网络结合，计算效率较传统 PINN 提升一个数量级；生成式 AI 与大语言模型（LLM）的融合，则为岩土 PDE 智能求解、代码自动生成、科学规律发现提供了全新范式。Nature 子刊、CMAME、Geotechnique、JCP 等顶刊持续刊发相关成果，表明“PINN+岩土力学”已成为计算岩土力学新方向。

适合岩土工程、工程力学、水利工程、地质工程、能源与地下工程、交通工程、土木工程等领域科研人员、高校师生、企业 CAE 工程师，以及希望将 PINN/深度学习技术引入岩土计算力学研究的跨领域从业者。

岩土工程 PINN 实战：从固结方程到大模型代码生成

Day1
掌握固结 8 种机器学习算法和 sklearn 库实战

1. 岩土工程中的机器学习 基础
   1.1.线性回归（可以拟合非线性–岩土科学发现）
   1.2.决策树、K 最邻近、朴素贝叶斯
   1.3.逻辑回归（可看成最简单的神经网络）
   1.4.支持向量机（最优分类器）
   1.5.聚类（无监督分类）
   1.6.主成分分析（无监督降维、特征提取）
    实例：8 种机器学习算法的 python 实践，学会怎么选择各种算法
   掌握 PyTorch 基础及各种神经网络实践应用
2. 深度神经网络（ DNN ）基础
   2.1.神经网络基础：神经元结构、激活函数
   2.2.前向传播与损失函数：MSE、交叉熵，优化器（SGD, Adam）
   2.3.自动微分原理：计算图、反向传播、torch.autograd
   2.4.DNN 在岩土本构拟合中的思路：数据驱动 vs 物理驱动
   2.5.高级神经网络：CNN、GNN、RNN、Attention
    案例：PyTorch 实现各种神经网络，学会什么数据采用什么网络
    案例：PINN 初见：动力学物理信息神经网络（PINN）

Day2
掌握 PINN 求解岩土PDE 正反分析；DeepXDE 库
3. PINN 开山论文与 DeepXDE 框架
3.1.PINN 开山论文（Raissi et al., 2019）核心框架
3.2.Burgers 方程案例精讲
3.3.参数反演原理
3.4.DeepXDE 框架简介
 案例：DeepXDE 求解一维固结方程
 案例：PINN 求解流体、扩散（渗流、传热）、NS 方程
掌握深度能量法（快10 倍的 PINN 方法）
4. CMAME: 机器学习求解计算力学偏微分方程的能量方法
4.1.计算力学基石：从偏微分方程求解到能量极小化变分原理
4.2.总势能泛函向神经网络训练目标函数的转化机制
4.3.以应变能为核心的物理损失函数设计与边界条件施加
 案例：硬约束深度能量法
 案例：岩土固体力学深度能量法

Day3
Geotechnique 中科院一区论文与代码复现+层流方程求解
5. 固结方程科学发现与正反分析
5.1.固结方程科学发现
5.2.基于弱形式的含噪数据处理
5.3.PINN 正反分析快速响应
6. 层流方程
6.1.层流方程的应力形式
6.2.混合数据构建
6.3.准静态和瞬态方程
 案例：固结方程与层流方程代码和求解
纳维斯托克斯方程PINN 正反分析与Nature 子刊论文讲解
7. 纳维斯托克斯方程的因果效应求解
7.1.NS 方程的涡度形式
7.2.使用因果效应、傅里叶特征、改进神经网络
7.3.湍流求解
8. e Nature 子刊中的科学发现和循环卷积神经网络
8.1.扩散反应方程，岩土工程中的渗流、热传导与化学反应
8.2.稀疏回归发现岩土科学规律
8.3.编码物理规律到卷积算子以改进外插和泛化
 案例：NS 湍流方程正反分析代码实践
 案例：岩土扩散反应方程的科学发现与外插泛化改进

Day4
Computers and Geotechnics 论文代码详解+JCP 顶刊：岩土塑性力学问题求解
9. s Computer and Geotechnics 弹塑性 N footing: PINN 和深度能量法
9.1.Footing 问题背景与 Ritz 方法（正问题）
9.2.Footing 问题的逆问题求解
9.3.Ritz 方法和 PINN 方法的优缺点详细分析
10. P JCP 顶刊：混合能量法解决岩土固体力学的应力集中问题
10.1.应力集中问题的 PINN 和 DEM 方法问题详述
10.2.混合能量法解决应力集中问题
 案例：岩土 Footing 问题的 PINN/Ritz 正反分析代码
 案例：应力集中问题的混合能量法代码
SciANN 讲解与实操及大模型生成 PINN 代码
11. N PINN 高级 n python 库求解岩土问题：N SciANN 讲解与实操
11.1.基于 SCIANN 的弹性力学问题求解
11.2.基于 SCIANN 的弹塑性力学问题求解
12. DeepSeek 、 ChatGPT 、k Grok 生成 N PINN 代码解偏微分方程
12.1.DeepSeek 大模型生成 PINN 代码求解椭圆偏微分方程
12.2.ChatGPT 大模型生成 PINN 代码求解抛物偏微分方程
12.3.DeepSeek、Chat GPT、Grok 大模型生成 PINN 代码效果对比
12.4.Vibe coding 实践、大模型读代码、生成视频 PPT