数学模型和计算机最强大的仿真软件spilen seit vielen Jahrzehnten eine fundamentale Rolle für den wissenschaftlichen Erkentnisgewinn und den technologischen Fortschritt。Häufig beschreiben sie mechanical istische Zusammenhänge eines Systems der realen Welt und/oder basieren auf Hypothesenüber dessen Funktonsweise。Ihre Komplexität是beschränkt、da-sie durch einen Modellier entworfen和folglich durch durch的一个配角，它将Annahmen handhabbar gemacht werden müssen简单化了。Lernens的数据模型，在神经网络中，können hingegen是一个复杂的自动数据集和回归的Lösung问题。如果stark spezialisiertes、hochkomplexes Regelwerk与nur schwer interpreterierbar und benötigt extrem große Datenmengen、auch weil bereits vorhandenes Weltwissen nicht order nur sehr schwierig berücksichtigt werden kann一致。
Im Zentrum des Forschungsbereichs der neuro-mechanistischen Modellierung stehen hybride Ansätze，die mechanisticsche und KI-basierte Modelle kombinieren。在den zugehörigen Forschungsprojectekten sollen Lösungen für Probleme erarbeitet werden，模型复合神经网络分析器网络辅助集成机械师Beschreibuen fordern或von den kombinierent Vorteilen besonders profiieren。因此，erlauben神经力学模型im Gegensatz zu rein neuronalen Modellen die Integration von Domänenwissen und können auch dann sehr gute Ergebnisse erzielen，wenn nur mediate Datenmengen zur Verfügung stehen是Beispelsweise häufig in den Lebenswissenschaften ein问题专家。Sie sind leichter interpreterbar und generalisieren häufig besser für unbekannte Eingaben（西·辛德·莱希特解说员与一般性哈菲格·贝塞尔·福恩坎特·恩加本）。
