於數據雜訊中，解析地下水流動的物理真相。
以物理模型為基石，機器學習為透鏡。我們不盲從數據預測，而致力於解構背後的物理因果。
在這裡，失敗是迭代的養分。我們透過殘差分析追索每一次偏差，讓模型更貼近自然真實。
#PhysicsGuidedAI #GroundwaterTheory #SustainableEnergy
人才招募 (Join the Lab)
誠徵對地下水文、地熱開發及物理引導 AI 建模具有熱忱的學生與研究夥伴。
Featured Research
進入研究詳情從空間異質性洞察時間延遲
延續 2017 年提出的空間異質性與時滯轉換理論。如今，我們結合先進 AI 演算法，更精確地捕捉地下水動態的時間軸線。
地下的隱形儲能：含水層儲熱系統
利用地下含水層的熱容特性，致力於將工業廢熱存於地底。這不只是理論突破，更是邁向城市淨零排放的關鍵技術。
賦予數據物理靈魂
整合 Transformer 與雙重機器學習 (Double ML)，我們用因果推論打開 AI 的黑盒子，確保每項預測皆具備堅實的物理基礎。
Ying-Fan Lin
「理論模型往往是完美的，但真實世界卻充滿雜訊。我們不排斥 AI，而是利用它來補足物理模型的邊界。在我的實驗室，重點不在於使用了多先進的模型，而在於你如何透過殘差分析，解讀數據未曾言說的真相。」