【PINN系列&Python实现】A1 统一实验框架与复现规范：从零搭建可复用的 1D Burgers PINN

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}

【PINN系列&Python实现】A1 统一实验框架与复现规范：从零搭建可复用的 1D Burgers PINN

阅读导览：本文从零搭建一个可复用的 PINN 实验框架，以 1D Burgers 方程为例跑通“采样—二阶自动微分—损失组装—训练—评估—出图”全流程；给出 ν=0.02 的成功基线与 ν=0.01/π 的失败压力测试，帮助读者一次读懂 PINN 的工程细节与失效边界。

算法卡片