第二章：因果训练范式2.1 因果性约束的理论基础2.1.1 时间依赖系统的因果结构时间依赖偏微分方程的数值求解必须严格遵守物理因果关系，即未来时刻的解不能影响过去时刻的状态。这种因果结构在数学上由偏微分方程的类型决定，并通过特征线理论或信息传播速度加以形式化描述。物理信息神经网络在处理时空域问题时，若忽视因果约束，将导致训练过程中的信息逆向传播，产生非物理的数值解。2.1.1.1 双曲型PDE的信息传播速度限制双曲型偏微分方程，如波动方程与守恒律方程，具有有限的信息传播速度。考虑一般形式的非线性双曲守恒律 ∂t∂u​+∇⋅f(u)=0 ，其特征速度由通量Jacobian矩阵 A(u)=∂u∂f​ 的特征值 λi​ 决定。特征值 λmax​=maxi​∣λi​∣ 定义了信息传播的上确界速度，决定了时空域内的依赖域与决定域。∂t∂u​+A(u)∂x∂u​=0,c=umax​∣λ(A(u)∣在数值离散中，CFL条件 dt≤cdx​ 保证了数值依赖域包含物理依赖域。对于PINN而言，若训练过程中不同时刻的残差独立优化，神经网络可能学习到违反因果律的解，即利用未来信息修正过去状态。双曲系统的因果约束要求损失函数在时间方向上具有单向传播特性，任一时刻 t 的残差仅能依赖于 [0,t] 区间内的信息。2.1.1.2 抛物型PDE的因果关系与演化逻辑抛物型方程，如热传导方程与扩散方程，虽具有无限传播速度，但仍遵循严格的因果演化逻辑。考虑 ∂t∂u​=ν∇2u