DeepONet或FNO（傅里叶神经算子）与PINNs的作用场合&用途

PINNs主要是用来求解方程的，通过将物理方程作为神经网络训练的损失函数，在神经网络训练过程中不断优化（minimize）这个损失函数，使得输出数据满足物理方程。下面是几张PINNs的结构图：

但PINNs对每一种案例都需要单独训练一次，比如说某个方程的系数变了，初始和边界条件变了，都需要单独训练，而且训练一次耗时很长。

因此，有人就提出了算子学习（如DeepONet和FNO），它只学习算子（如偏导算子，拉普拉斯算子，梯度算子），再由算子组合成方程，那么它就可以适应不同的条件，训练好算子之后，对于不同的条件，只需要通过不同的组合方式就可以，不需要对每个案例都单独训练一次。
也可以用数据结构中的树结构表示方程，其基本单元包括算子，如下图：

目前只是简单引入，后续会根据自身知识积累，不断修正，加深，更新。