该文综述物理信息神经网络（PINNs）在流体力学中的应用，涵盖移动边界非稳态流动、湍流RANS方程求解、复杂几何形状优化及逆问题，并提出物理引导、增广拉格朗日、Schwarz交替等方法，以提升训练效率与鲁棒性，误差可低于1%，同时减少对数据和湍流模型的依赖。