小样本高泛化
将缺陷信息直接嵌入损失函数的神经网络，疲劳寿命预测精度更高，结果符合物理且无需依赖断裂力学模型选择。
Lanyi, Wang · Zhu, Shun-Peng · Luo, Changqi · Niu, Xiaopeng · He, Jinchao
Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 2023
将缺陷关键信息作为物理约束嵌入损失函数，引导网络在小样本下捕获正确物理规律。
无需事先选择特定的断裂力学模型，避免了模型选择带来的不确定性。
预测结果与物理先验一致，比断裂力学基PiNN更可靠。