该文综述大气湍流相关的机器学习研究，涵盖：用梯度提升预测C_n^2，以潜在温度归一化方差为主导特征；混合宏观气象模型与局部观测提升预测；构建合成数据集改进云光学厚度估计；用物理启发Transformer恢复湍流失真图像；分析湍流对红外目标检测的影响并用域自适应增强；提出PSF校正以控制望远镜系统误差；发布人群光流数据集；推出DeepOBS与Benchopt优化基准工具；提出无监督隐式神经表示NeRT抑制大气与水湍流，性能优于现有方法并实现视频加速。