Computational Physics 与 Physiological Computing 分别从科学规律和人体传感出发，在 data-driven scientific computing 汇合。
物理假设 → 控制方程 → 离散求解 → 数值验证 → 数据驱动建模。
守恒律、Heat / Diffusion、Wave、Poisson / Laplace、Advection–diffusion 与 Navier–Stokes；明确初边值条件与建模假设。
FDM / FEM / Spectral、时间推进、稳定性与网格收敛；先验证传统求解器，再比较代理模型与神经算子。
进入计算物理实验 →
采集 → 预处理 → 特征提取 → 检测 / 建模 → 评估 → 可视化。
ECG / PPG / EMG / EEG / Respiration / IMU；研究信号质量、时域频域特征、事件检测、时序建模与多模态融合。
建立可解释基线，按受试者划分数据；检验跨设备、跨场景泛化，记录漏检、误检、误差和低质量片段。
查看生理信号完整流程 →AI 是连接两条路线的方法层：利用结构、数据与验证，建立可靠的计算模型。
方程 · 网格 · 数值解
结构 + 数据 + 可验证计算
传感 · 波形 · 事件
统计学习、深度时序网络、神经算子与多模态表示。
物理约束、信号先验、可解释特征与不确定性分析。
与经典数值方法、信号处理基线比较精度、效率、鲁棒性与泛化。