后摩尔时代的电子科学与技术实验教学,面临传统经验公式主导模式难以描绘复杂物 理本质的困境。本文提出利用物理信息神经网络(Physics-Informed Neural Networks,PINN)实现实验教学从经验公式拟合向物理智能驱动的实践教学升级。PI NN通过将偏微分方程所描述的物理规律直接嵌入神经网络损失函数,使模型在数据驱 动的同时受物理定律约束,能够高效求解包含量子尺寸修正、弛豫时间修正、杂质分 布修正等复杂因素的实验方程。本文系统阐述了PINN赋能实验教学的学理基础、实 施框架与典型路径,并从“高阶性、创新性、挑战度”三个维度论证了升级成效。PIN N为后摩尔时代电子科学与技术实验教学提供了一条兼顾物理深度与智能广度、贯通 理论探究与工程实践的有效路径。