DClaw

物理 AI 与科学机器学习的资源导航站:系统索引数据集 / 基准、工具 / 框架、工业案例、学习路径与论文综述五大类资源,并原创撰写深度综述长文,附公司调研报告、术语词典、论文速递周报与知识图谱。支持中英双语检索与社区投稿。

浏览全部资源 →

🗃️ 数据集 / 基准

物理 AI 训练与评测数据集、科学 ML 基准

🧰 工具 / 框架

求解器、训练框架、后处理与可视化工具

🎯 应用案例

物理 AI 落地案例,不限领域:CAE、能源电力、气象、生物医学、材料、地球物理等

🎓 学习路径

从入门到工业落地的学习资源

📄 论文 / 综述

必读基准论文与技术综述

📖 深度综述

站点原创的物理 AI 方法论综述、选型指南与实战教程长文

精选推荐

PDEBench

PDE 基准 / 多方程
大规模 PDE 基准数据集,涵盖热传导、对流扩散、流体动力学等方程,支持数据驱动与物理信息方法的公平对比。数据集由 Stanford 等机构发布,覆盖 11 类 PDE,附基线模型(FNO / U-Net / TF-Net)评测脚本,跨库比较公平。
MIT 基准PDECFD

The Well

多物理 / PDE · 16 领域
覆盖 16 个物理仿真领域的超大数据集,被称为「物理 ML 的 ImageNet 时刻」,配套 PyTorch API 与预训练基线,支持 HF 流式加载。配套标准化 train/test 切分与基线模型评测脚本,可直接用于学术论文公平对比。
各子集独立(多 CC-BY / 代码 MIT) 多物理基准PyTorch

DeepXDE

PINN 入门框架
物理信息神经网络(PINN)入门框架,中文文档与示例完善,支持 TensorFlow/PyTorch/JAX/PaddlePaddle 多后端,是科学机器学习与 PDE 求解的常选起点。
新 LGPL-2.1 PINN入门中文文档

OpenFOAM

通用 CFD 求解器
开源 CFD 求解器与物理 AI 数据底座:讲清原理、算例结构、上手路径、横向对比、成本口径与失效边界,说明何时该用它生成语料、校验代理模型。
新 GPL v3 CFD开源求解器

PhysicsNeMo

求解 / 训练框架
NVIDIA 物理 ML 框架(原 Modulus,2025 年更名),PyTorch 底座,内置 PINN、神经算子与多种物理约束训练范式;本篇讲清架构、版本、对比、失效边界与口径核对。
新 Apache-2.0 PINN神经算子NVIDIA

GraphCast:图神经网络驱动的全球中期天气预报

气象 / 数据驱动预报
Google DeepMind 的图神经网络中期天气预报模型,在 1380 个检验目标中的 90% 上超越 ECMWF 业务确定性系统,10 天全球预报在单台加速器上不到一分钟完成;代码与权重已并入 WeatherNext 家族仓库。
新 论文为 Science 期刊版权;代码与 Colab 为 Apache-2.0,权重自 2026-08-06 起允许商用,其余材料为 CC BY 4.0 气象图神经网络中期天气预报

MACE 机器学习势:从等变消息传递到原子尺度基础模型

分子动力学 / 机器学习势
剑桥 Csányi 团队开源的等变图神经网络势框架,把原子团簇展开与高阶等变消息传递统一,两层交互即可高精度;已发展出 MACE-MP、MH、OMOL、POLAR 等多代基础权重,支撑从晶体到液体、气体、表面与反应体系的开箱分子动力学。
新 MIT(代码);部分权重为 Academic Software License(ASL),仅限学术用途 分子动力学机器学习势等变神经网络

Physics-Based Deep Learning 在线教材

教材 / 系统课程
由慕尼黑工业大学团队维护的免费在线教材,系统讲解「物理 + 深度学习」的融合范式,从可微物理、PINN 到神经算子与湍流建模,配套可运行代码。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
CC BY-NC-SA 4.0 教材可微物理PINN

DeepONet 原始论文

奠基性论文
以分支-主干(branch-trunk)结构实现算子通用逼近定理的深度学习版本,是最早系统提出「学习非线性算子」的架构,至今仍是主流基线。支持 mesh-invariant 推理,可在训练分辨率之外直接查询,适配工业级多保真度应用。
arXiv 预印本(版权归作者) DeepONet神经算子奠基论文

最近更新

DeepCAD:基于深度生成网络的 CAD 模型序列学习

生成式 CAD / 几何深度学习
DeepCAD 把 CAD 建模重定义为命令序列的生成问题,用自编码器学习隐空间并在其上训练潜空间 GAN(WGAN-GP)实现随机生成与编辑,是生成式 CAD 领域被引最高的基线,位于设计—仿真流水线上游。
新 MIT 生成式CAD几何深度学习CAD序列

FEniCS / FFCx

有限元框架 / 多物理场
基于有限元方法(FEM)的开源多物理场仿真框架,用 UFL 描述变分问题、底层自动生成高效 C++ 离散代码;是固体力学与多物理场耦合的学术标准工具,也可作代理训练的高保真对照。
新 LGPL-3.0 有限元FEM多物理场

JAX-CFD

可微流体求解器
Google Research 基于 JAX 的可微不可压流体求解器,整条时间推进可微、可在 GPU/TPU 上 JIT;PNAS 2021 提出学习型插值取得同等精度下约 80×/40× 加速,现已停止维护,宜作研究原型与对照。
新 Apache-2.0 JAX可微物理CFD

JAX-Fluids

可微 CFD 求解器
基于 JAX 的全自动可微 CFD 求解器,支持 CPU/GPU/TPU,专注端到端可微流体仿真,可与神经网络无缝耦合做梯度反传,是科学机器学习中可微物理的代表。
新 GPL-3.0 JAX可微CFD可微物理

CADFit:基于混合优化的精确网格到 CAD 程序生成

网格到CAD / 逆向工程
CADFit 以 IoU 驱动的混合优化,从水密网格逐步拟合并校验可执行的 CadQuery 构造程序(挤出/旋转/倒圆/倒角/布尔),还原可编辑参数化 CAD,支持点云与图像到 3D 多模态输入,与 CAE 工作流强相关。
新 CC BY-NC 4.0(非商业,学术与科研用途;商业用途须联系作者授权) 网格到CAD逆向工程CadQuery

JAX

可微数值计算框架
Google 开源的 NumPy 风格数值计算库,以 XLA 编译、自动微分与函数式变换为核心,是 JAX-CFD、JAX-Fluids 等可微求解器与神经算子的底层算力底座。
新 Apache-2.0 自动微分XLA数值计算

MuJoCo

通用物理引擎 / 接触动力学求解器与机器人仿真后端
Google DeepMind 维护的开源物理引擎,以广义坐标与软凸接触求解支撑机器人、生物力学与强化学习;含 MJCF、MJX、MuJoCo Warp 与 4.0 新特性。
新 Apache-2.0(源码;doc 目录文档、图片与视频为 CC BY 4.0) 物理引擎接触动力学机器人仿真

NeuralOperator

神经算子库
FNO / TFNO / DeepONet 的 PyTorch 参考实现库。本文从函数空间契约讲到参数、上手、失效模式与跨分辨率评测,给出可复现的选型与验收口径。
新 MIT 神经算子FNODeepONet

OpenFOAM

通用 CFD 求解器
开源 CFD 求解器与物理 AI 数据底座:讲清原理、算例结构、上手路径、横向对比、成本口径与失效边界,说明何时该用它生成语料、校验代理模型。
新 GPL v3 CFD开源求解器

POSEIDON

PDE 基础模型 / 下游基准
ETH Zurich CAM 实验室发布的 PDE 基础模型与下游微调套件,用半群数据增强从单条轨迹挖掘大量训练对,覆盖 15 类下游任务,支持跨分辨率查询。
新 仓库未附 LICENSE 文件;官方模型权重在 HuggingFace 标注为 CC BY-NC 4.0 并注明为 research model 基础模型神经算子下游任务

PyVista

可视化 / 后处理
VTK 的 Python 三维可视化与网格处理框架,提供简洁 API 操作场数据、渲染网格、生成动画;是仿真结果后处理、ML 数据集构建与质量检查的实事标准,被 FEniCSx/PyMAPDL 等用作输出层。
新 MIT 可视化VTK网格

SU2

气动 / 设计优化求解器
开源 CFD 与离散伴随(adjoint)求解器,内置气动外形优化;以与变量数无关的梯度成本支撑 PDE 约束优化,是代理模型的高保真对照与 CAE 工业链路常用底层。
新 LGPL-2.1 CFD伴随方法气动优化

热门关键词

#神经算子#物理信息神经网络#PINN#科学机器学习#代理模型#偏微分方程#机器学习#分子动力学#CFD#降阶建模#深度学习#计算流体力学#不确定性量化#材料发现#流体力学#傅里叶神经算子#物理建模#PDE#电磁仿真#物理信息学习