近期，我院王雷老师及指导研究生在物理信息神经网络揭示非线性波相变的研究方面取得进展，研究成果“Prediction of phase transition and time-varying dynamics of the (2+1)-dimensional Boussinesq equation by the parameter-integratedphysics-informed neural networks with phase domain decomposition”被美国物理学会旗下非线性物理及流体物理国际重要学术刊物Physical Review E接受。
非线性波的相变问题是非线性波领域的重要科学问题，它与调制不稳定性非线性阶段特征和可积湍流有着密切联系。先前的研究工作主要基于解析方法，通过相群速度分析，解析了低维模型中各类非线性波的相变模式和作用机制，揭示了相变与调制不稳定性的内在对应关系。该篇论文工作主要使用物理信息神经网络方法揭示高维非线性波相变发生的条件、相变界的划分及相关预测与分析。研究工作将深度学习引入到非线性波的相变研究中，在利用简单解和小数据集的PINN技术智能探索复杂非线性波的未知物理性质方面做了探索。
