本文比较了几种神经网络架构，以逼近一些基本一维偏微分方程的解和求解算子。具体来说，研究了在物理信息机器学习中，残差层是否比全连接层更有优势，发现两者在所考虑的问题上表现类似。还将流行的 DeepONet 和傅立叶神经算子方法与算子学习方法进行了比较，发现虽然两者在线性问题上的精确度相当，但后者在存在简单非线性的情况下能生成更精确的模型。