阻尼弹性波不必让网络自由搜索：李对称先降成一维，广义阻尼算例总耗时加速1.53倍
核心概要
非线性黏性阻尼弹性波方程的神经网络求解器换了一种训练方式：先用李对称分析把方程约化成四类只含一个相似变量的常微分方程，网络在这个降维空间里学习未知函数，同时用一项损失约束对称性、按时间顺序给后段残差加权，让早段时间先学好。标准物理信息神经网络只靠方程残差和边界条件，遇到这类时间相关的非线性系统容易出现梯度不平衡和收敛慢。四个算例的解曲线、曲面与等值线都更贴近约化方程的解析解；在广义阻尼对称算例上，推导加训练的总挂钟时间加速为1.53倍。
深度剖析
阻尼弹性波的神经网络求解器不再直接停在原始偏微分方程上，方程先被降成只含一个相似变量的形式，网络只拟合降维后的未知函数。 标准物理信息神经网络只把方程残差与边界条件写进损失，训练时间相关的非线性系统时容易出现梯度不平衡、刚性、收敛缓慢。 四个算例的解曲线、曲面与等值线都更贴近由约化方程解出的解析解；在广义阻尼对称算例上，计入推导与训练的总挂钟时间加速比为1.53。
网络在相似变量上学习未知函数，学到的结果再经不变量映射重建回原始的空间与时间变量。 相似变量由李对称分析给出：它寻找使方程形式保持不变的变量组合，把带黏性阻尼的方程降成常微分方程，并把不变量条件写成损失里的对称项；因果加权再把时间轴切成有序子区间，用前段已累积的残差决定后段权重，使早段时间先被学好。 四个算例共用同一套四隐层、每层128个神经元的全连接网络和 L-BFGS 优化器，参照解由约化方程直接解出。
启示与展望
展示的范围是一维纵向位移、带小黏性阻尼项的非线性弹性波方程，以及由李对称分析给出的四类不变量常微分方程。比较的参照是这些约化方程直接解出的解析解，看的量是解曲线、曲面、等值线、损失分量、梯度范数和挂钟时间；落点场景包括计算力学、材料建模、无损检测与医学超声。下一步是把同一套做法推广到二维、三维弹性动力学模型、更接近实际的黏弹性与各向异性材料，以及用逆问题反演阻尼系数与弹性参数。
挂钟时间被说明为同一计算环境下的代表性估计，用途是比较准备与训练之间的相对权衡。S-PINN 的准备阶段还需推导无穷小生成元、相似变量、不变量重构映射与约化方程，这部分开销对给定方程与对称类只付一次。