本文综述了物理信息神经网络（PINN）的多项研究进展：SPINN可在单GPU上处理超千万样本点，降低多维偏微分方程的计算成本；PPINN将长时间问题分解为短时间子问题以加速求解；OL-PINN结合DeepONet提升尖锐解问题的准确性与鲁棒性；此外还探讨了障碍相关偏微分方程、低秩PINN元学习、latentPINN参数泛化、结合数值积分的新损失函数、NeuralPDE求解多物理场、多尺度损失重构，以及PINN作为线性求解器与迁移学习等方向。