TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2026040030Article大数据与智能计算在物理电子领域的融合发展及理论研究综述https://artdesignp.com/journal/TACS/3/4/10.61369/TACS.2026040030邹儒2026342026-02-28随着大数据和智能计算发展得越来越快，物理电子研究也在从传统的解析建模，慢慢转向数据驱动和智能驱动的新模式。这篇文章梳理了二者融合的理论基础、技术路径和最新进展，重点聚焦多物理场耦合计算、微纳结构多尺度建模，以及数据驱动规律挖掘这几个方向的研究现状。从目前来看，物理信息神经网络、代理模型还有自适应离散化方法，已经成了提升复杂物理系统求解效率与精度的关键技术。不过，现在的研究也还面临不少难题：微观到宏观的跨尺度关联，缺一套自洽的理论框架；多场耦合模型在强非线性条件下的泛化能力还不够；另外，计算效率与物理保真度怎么平衡，也还没有一个统一的标准。智能计算,大数据,物理电子,多物理场耦合,多尺度建模,物理信息神经网络

[1] 牛海洋. 人工智能赋能材料科学专刊前言[J]. 金属学报,2024,60(10):1297-1298.[2] 张巍. 基于智能算法的电子电工与计算机技术应用[J]. 电子技术,2025,54(02):280-281.[3] 吴剑, 傅文军, 蒋捷. 智能计算与具身智能的交叉融合创新[J]. 中国仪器仪表,2025,(10):17-20.[4] 刘城城, 魏海霞, 付奎源, 等. 机器学习在材料科学中的应用[J]. 鞍钢技术,2024,(06):34-49.[5] 邓祥文, 伍力源, 赵锐, 等. 机器学习在光电子能谱中的应用及展望[J]. 物理学报,2024,73(21):64-84.