该文综述物理信息神经网络（PINNs）的多项进展：利用神经切向核分析训练动态，提出径向基函数替代傅里叶特征映射；结合图嵌入、几何变换与Gabor基函数提升多尺度及复杂几何问题求解效率；并探讨其与高斯过程的等价性及在FPGA部署的可行性。

该研究提出了一种新型的神经场方法，使用了径向基函数进行信号表示。该方法在2D图像和3D有向距离场表示中取得了更高的精确度和紧凑性。在神经辐射场重建方面，该方法实现了与现有方法相媲美的渲染质量，具有较小的模型大小和可比较的训练速度。

该研究提出了一种新型的神经场方法，使用了一般径向基函数进行信号表示，能够更好地适应目标信号，提高径向基函数的通道能力，并且继承了自适应性和插值平滑性，取得了比现有方法更高的精确度和紧凑性。