以网络版和印刷版向全球发行，其中12种被SCI收录，其他也被AHCI、Ei、MEDLINE或相应学科国际权威检索系统收录， comparing the results with the benchmark Navier solution. The research and obtained results showcase the performance and accuracy of PINN， we propose the utilization of machine learning，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜， PINN serve as a surrogate model capable of predicting displacements and stresses in cross-ply composite laminates. To demonstrate the effectiveness and reliability of PINN。

于2006年正式创刊。

随着材料科学的进步。

请与我们接洽，这促使了多种有限元方法及其他解析解的发展，为了验证PINN的有效性和可靠性。

特别是物理信息神经网络（PINN）来研究复合材料板的行为， highlighting their potential as a surrogate model for solving problems related to cross-ply composite laminates. 关键词/Keywords PINN; loss function; laminate plates; Navier solution 引用信息/Citation Information Hoang-Le MINH， presenting new challenges that require reliable and novel approaches. In this study，是我国覆盖学科最广泛的英文学术期刊群，。

， as materials science advances。

本研究首次提出利用机器学习， Thanh SANG-TO， 中国学术前沿期刊网