本文介绍了一种物理感知元学习框架，结合偏微分方程和空间模块，提升了在有限数据下的适应能力。研究展示了物理信息化状态空间神经网络（PSMs）在化学和生物医学领域的应用，提供了更准确的预测。此外，提出了基于物理感知机器学习的水文学平台HydroPML，增强了机器学习的可解释性，并介绍了多物理预训练方法（MPP），有效预测多个物理系统的动态。

该文介绍了一种名为多物理预训练（MPP）的方法，用于物理代理建模。该方法通过学习在不同物理任务中广泛适用的特征，训练大型代理模型来同时预测多个异质物理系统的动力学。该方法在广泛的流体力学基准测试中验证了其有效性，并且无需微调。