近日，数理学院青年教师申江龙老师作为第一作者，李霞老师作为通讯作者，在国际权威期刊《Nonlinear Dynamics》（影响因子6.0）上发表题为《Solving the exact solutions of the fifth-order dispersive caudrey-dodd-gibbon equation based on the feature-enhanced direct symbolic computation neural network algorithm》研究论文。文章首次提出一种特征增强直接符号计算神经网络算法，成功求解五阶色散Caudrey-Dodd-Gibbon（CDG）方程的精确解。这是该团队今年在该交叉领域取得的又一重要成果。该期刊聚焦非线性科学，2026年新锐分区列二区TOP。

CDG方程广泛应用于浅水波传播、等离子体声波演化等物理场景。针对传统解析方法计算复杂、表达式爆炸，以及常规神经网络仅能获得数值近似解的局限，团队创新性地将神经网络自适应特征提取与Maple符号计算深度融合，实现无需预设解形式即可直接构造精确解。该算法通过多项式特征增强模块强化高阶色散与强非线性耦合项的表示能力。

该研究为高阶非线性色散波方程提供了通用、可扩展的智能化求解范式，可推广至Sawada-Kotera方程、Kaup-Kupershmidt方程乃至更高维、变系数、分数阶方程，推动了神经网络与符号计算在数学物理领域的深度融合。团队秉持“让数学结构引导智能计算”的理念，将持续深耕科学计算与人工智能交叉前沿，推动理论方法向工程应用转化，服务国家战略需求与创新型人才培养。

论文信息： DOI: 10.1007/s11071-026-12729-9

通讯单位：宜宾学院数理学院

撰稿: 申江龙 编辑：周靖松 审核 万明杰 刘敏