数据处理方法、装置、设备和存储介质

本发明公开了一种数据处理方法、装置、设备和存储介质，通过提供针对物理感知神经网络的不确定性量化方法，旨在解决现有技术在求解含物理约束的复杂问题时进行不确定性评估的效率瓶颈。本发明提出，在预训练的PINNs模型中，通过一种矩传递解析算法，在单次前向传播中逐层计算神经元输出的期望与方差，该方法替代了依赖海量采样的蒙特卡洛模拟，从根本上解决了其在高维、非线性物理系统仿真中因计算成本过高而难以应用的痛点。最终，本发明在不牺牲量化精度的前提下，实现了对模型预测的实时、可靠的不确定性评估，为PINNs在诸如数字孪生、医疗诊断、航空航天等对安全性和实时性有严苛要求的领域的应用提供了关键技术支持。