深度分析 LLM引導演化搜尋自動化設計物理資訊神經網路 物理資訊神經網路 PINN 在設計時對架構與優化參數極其敏感，傳統手動調參困難。本研究提出一套閉環演化演算法，將 LLM 作為設計算子，透過種群評估、父代突變與交叉及經驗回饋機制，自動生成可執行的 PINN 配置。實驗結果顯示，在處理一維波方程時，最高可將均方誤差降低 95.38%，證明 LLM 引導的演化搜尋具備自動化構造物理數值學習算法的潛力。
