成果简介：生命科学中复杂现象的建模一直是很大的挑战，因为其中存在很多未知的机理或机制。数据驱动的深度学习模型虽然被称为黑箱模型，但是对于学习未知机理具有违反直觉的有效性。本技术针对一类微分方程中嵌入深度学习框架的动力学和深度学习耦合的模型。

成果核心创新点：1. 微分方程中嵌入深度学习框架的耦合模型；2. 基于最优传输和流形优化理论的加速训练算法；3. 将神经网络恢复为最简单函数的方程发现方法；4. 该技术是AI for Science内容之一。

成果详细用途：用于生命科学、医药、健康等领域的复杂现象建模，学习未知机理。