关于我

关于星飞帆#

你好，我是星飞帆，西北工业大学24级研究生。我的研究兴趣集中在 Scientific Machine Learning 方向，主要关注 Physics-Informed Neural Networks、Neural Operators、PDE-constrained learning、Operator Learning，以及数值计算与深度学习交叉处那些看起来很优雅、跑起来很费显卡、调参时又很考验心态的问题。

这个博客是我的科研工作台，也是一个长期生长的知识仓库。我会在这里整理论文阅读、实用的工具、数学推导、代码复现、实验踩坑记录和 SciML 学习路线，也会分享一些对研究生阶段可能有帮助的资料与经验。偶尔我也会发表自己中二的评论。科研路上有时像在解偏微分方程：边界条件不总是清楚，初值偶尔带点噪声，训练过程还可能突然发散；但好在我们可以不断迭代、修正残差、逼近一个还算优雅的解。希望这里不仅能记录我的学习轨迹，也能为同样在科研、代码和论文以及生活之间来回横跳的朋友提供一点参考、一点陪伴，以及偶尔一点“原来不止我一个人卡在这里”的安慰。

研究方向#

Physics-Informed Neural Networks：物理约束学习、PDE 求解、反问题与损失设计。
Neural Operators：Fourier Neural Operator、DeepONet、算子学习与函数空间映射。
PDE-constrained learning：偏微分方程约束下的建模、优化与泛化问题。
Operator Learning：面向复杂物理系统的跨网格、跨参数、跨场景学习。
Numerical Methods × Deep Learning：数值计算方法与深度学习模型的交叉理解。

博客内容#

论文精读：整理 SciML 经典与前沿论文，尽量把公式、动机、方法和局限讲清楚。
代码复现：记录从论文到代码的复现过程，包括能跑的结果和不太体面的踩坑现场。
学习路线：把 PDE、数值方法、深度学习和神经算子等内容串成可持续学习的路线。
研究生资料：分享科研写作、工具链、论文阅读、实验管理等研究生阶段可能用得上的资料。

联系方式#

许可#

本站原创内容默认采用 CC BY-NC-SA 4.0 许可协议。若需转载、引用或合作交流，欢迎通过邮箱联系。

关于星飞帆#

研究方向#

博客内容#

联系方式#

许可#

文章目录