最近的研究发现，基于浸入边界方法的PINNs能够准确重构速度和恢复压力。通过全局物理损失放松和基于物理的欠采样方法来训练，获得了良好的精度。研究还发现，学习取决于区域损失分量梯度和每个区域的样本点比例的综合效果。主导输入区域也是具有最强解梯度的区域。