本文阐述了以物理信息为指导的神经网络模型（PINN）。构造深度神经网络，如试函数，被替换成中子扩散方程以形成残差，如机器学习的加权损失函数，然后通过深机器学习技术近似中子扩散方程的数值解。根据扩散方程的特点，提出了特征值方程的加速收敛方法——有效乘法系数（keff）、高效并行搜索技术、学习样本网格点不均匀分布策略等创新关键技术，并对神经网络深度、，神经元数字、边界条件损失函数重量等。验证计算结果表明，该方法精度高，提出的关键技术效果显著，为中子扩散方程的数值求解探索了一条新的技术途径。