工程从业者报告称，在参数化设计上使用图神经网络和多层感知机（MLPs）为预测温度和应力等场提供了最佳的实际平衡。数据效率可以通过10–50个训练样本实现，特别是在跨相似几何形状应用迁移学习时。物理信息神经网络（PINNs）对于复杂工程几何形状仍主要处于实验阶段，大多数用户依赖数据驱动的代理模型。泛化仍然是一个关键挑战，模型经常在分布外边界条件下失败，促使人们回归到完整的求解器运行。