엔지니어링 실무자들은 매개변수화된 설계에서 그래프 신경망과 MLP가 온도 및 응력 같은 필드를 예측하기 위한 최적의 실용적 균형을 제공한다고 보고합니다. 데이터 효율성은 10–50개의 학습 샘플로 달성 가능하며, 특히 유사한 형상 간에 전이 학습을 적용할 때 더욱 그렇습니다. 물리 정보 신경망(PINNs)은 복잡한 엔지니어링 형상에 대해 여전히 주로 실험적 단계에 있으며, 대부분의 사용자는 데이터 기반 서로게이트에 의존합니다. 일반화는 주요 과제로 남아있으며, 모델은 종종 분포 밖 경계 조건에서 실패하여 전체 솔버 실행으로의 회귀를 촉진합니다.