【可分离架构物理信息神经网络：破解维度灾难的分离变量方法论】第2章 SPINN：可分离物理信息神经网络架构

目录(Chapter 2: SPINN: Separable Physics-Informed Neural Networks)2.1 SPINN的架构设计原理2.1.1 按坐标轴的体网络（Body Networks）设计2.1.2 特征融合机制与参数效率2.2 前向模式自动微分与计算优化2.2.1 前向自动微分在分离架构中的优势2.2.2 超大规模配点训练技术2.3 SPINN的扩展变体2.3.1 修正MLP（Modified MLP）与SPINN融合2.3.2 Curl-SPINN与散度自由场约束第二部分：代码实现脚本7：按坐标轴体网络设计与前向传播实现脚本8：特征融合机制与参数效率分析脚本9：前向模式自动微分实现与高阶导数计算脚本10：超大规模配点训练与内存优化脚本11：修正MLP与Fourier特征嵌入融合脚本12：Curl-SPINN与散度自由场约束实现(Chapter 2: SPINN: Separable Physics-Informed Neural Networks)2.1 SPINN的架构设计原理2.1.1 按坐标轴的体网络（Body Networks）设计可分离物理信息神经网络的核心构建块是按坐标轴分布的体网络集合。与处理拼接输入向量的传统全连接网络不同，体网络定义为从单变量实数域到多维特征空间的向量值映射。对