参考博客来源： link
主要思想是试图用深度网络构建物理约束模型，方法是用卷积模拟偏导，用moment loss作监督，学到物理信息，从而对已有的网络（文中使用ConvLSTM）进行信息补充。
如图，右边为已有深度网络可以捕捉到的信息，本文试图使用深度网络通过偏微分方程来建模先验物理知识，即左边的信息。最后将物理信息和已有信息结合获得更好的结果。
本文主要创新点在PhyCell，该单元的计算公式：
E（u）表示的是对输入真实帧的encode，ht为t时刻隐变量，Φ(h(t, x))是隐变量对空间每个像素点的偏导和，该公式与很多物理模型公式类似，如热力学方程、波动方程、对流扩散方程等。
Kt也是由网络学出来。该式可以改写成以下公式：
式（6）被认为是通过数学模型推算出的数值，式（7）则被认为是基于数据训练对数学模型进行的修正，其中K公式如下：
