面向预测的物理知识机器学习综述

发表于 Transactions on Machine Learning Research (TMLR)，2025。这篇综述稀缺地同时覆盖学术方法 与工业落地实践，并盘点物理信息 ML 的开源生态。

最适用读者：评估物理信息 ML 用于业务落地的从业者，尤其需要在 数据驱动 / 物理增强 / 元学习 三条路线之间做选择的团队。

作者团队：Joe Watson、Jan Peters、Miles Cranmer 等（TU Darmstadt + hessian.AI + 剑桥）。