针对频域内部声场正反问题的数值模拟, 建立基于物理信息的神经网络架构。与基于数据驱动的神经网络不同, 将声学问题的Helmholtz方程及其对应的边界条件引入神经网络, 所建立的神经网络算法不仅能够反映训练数据样本的分布规律, 而且也遵循由偏微分方程描述的物理定律。考虑到频域声学问题中含有复数部分, 建立两种网络架构, 并进行验证和比较分析。该方法无需网格划分和数值积分等繁琐的数值计算过程, 可自由地处理不规则区域和非均匀分布情形。数值实验考察二维和三维复杂几何结构的声学正问题及反问题, 结果表明所建立的物理信息神经网络算法具有较高的精确度、收敛性和鲁棒性。
