A–Z 索引

全部条目的字母索引

A

不可压缩流的变分最优传输算子

流体/CFD
提出 VIOT 神经算子,用于不可压缩流体密度传输的 amortized 生成,通过前馈推理直接预测无散度速度场并生成完整传输轨迹,将传统流体传输优化从小时级缩短至单次推理。
见LICENSE文件 不可压缩流神经算子最优传输

车辆一体化桥梁数字孪生部署方法

结构/Structural
面向桥梁结构状态评估,结合车辆—桥梁交互建模、振动测量、状态估计与代理模型。
见LICENSE文件 桥梁数字孪生车辆—桥梁交互结构状态评估

高频感应管焊接几何参数化准稳态三维模型

电磁/Electromagnetics
提出高频感应管焊接三维多物理场有限元框架,耦合时谐磁标量势与准稳态热输运方程,实现电磁-热耦合仿真预测。
见LICENSE文件 高频感应焊接多物理场仿真有限元方法

高β等离子体电磁能量-电荷守恒全隐式PIC模型

电磁/Electromagnetics
提出全隐式PIC方法在电磁情形下的扩展,实现全局能量与局域电荷的精确守恒,适用于开放磁约束中的高β等离子体平衡模拟。
见LICENSE文件 等离子体模拟PIC方法电磁仿真

基于贝叶斯优化的城市冠层模型热缓解策略权衡分析

热传导/热管理
针对城市热应力问题,采用贝叶斯优化与代理模型框架分析城市冠层热缓解策略的参数范围,平衡白天空气温度、夜间空气温度和UTCI等热指标间的权衡关系。
见LICENSE文件 城市热岛贝叶斯优化代理模型

基于卷积算子压缩的非线性物理降阶模型

ScientificML
提出基于卷积算子压缩的非线性降阶模型,突破线性投影方法的Kolmogorov N-width限制,以更少模态实现参数化PDE的高精度近似。
见LICENSE文件 降阶模型卷积算子N-width

基于图超网络的可摊销物理信息神经求解器

ScientificML
提出基于算子图的图超网络方法,将PDE的场、导数、项和残差显式建模为节点,实现跨相关偏微分方程的可摊销神经求解器元训练。
见LICENSE文件 物理信息神经网络图超网络算子图

聚合物信息学超级智能路线图

材料/Materials
梳理聚合物信息学向按需逆向设计、跨化学与性能因果推理及闭环自主实验演进的技术路线图。
见LICENSE文件 聚合物信息学逆向设计自主实验

热布朗运动有效温度的声学凹陷效应

声学
研究热布朗粒子在可压缩溶剂中有效温度的声学凹陷现象,揭示有限声速对涨落-耗散关系的影响机制。
见LICENSE文件 热布朗运动声学效应涨落-耗散

人工神经网络作为黑盒优化的代理模型

通用科学ML
研究利用人工神经网络构建黑盒优化的代理模型,在无法获得解析函数描述时,通过数值模拟获取目标函数值进行高效优化。
见LICENSE文件 黑盒优化代理模型神经网络

用于对流流体重建的改进型周期性激活函数PINNs

通用科学ML
提出一种基于复指数函数的改进周期性激活函数,用于PINNs从稀疏速度数据重建对流流动温度场,测试表明优于传统正弦激活MLP。
见LICENSE文件 物理信息神经网络周期性激活函数对流流动

用于粒子模拟的自适应交互图

通用科学ML
针对图神经网络粒子模拟中交互图固定导致的长期预测误差累积,提出按粒子调节的交互图结构。
见LICENSE文件 粒子模拟图神经网络自适应交互图

自适应物理信息神经网络综述(Adaptive PINNs Survey)

综述 / 学习资料
专门梳理 PINN 在迁移学习与元学习方向上的改进方法,解决 PINN 收敛难、对 PDE 参数变化需重新优化的核心瓶颈,是把 PINN 推向量产的工程参考读物。
arXiv 预印本(版权归作者) PINN迁移学习元学习

ABC Dataset:百万级参数化 CAD 模型基准

CAD 几何深度学习数据集 / 参数化 B-rep 真值基准
CVPR 2019 发布的百万级 CAD 模型数据集,每模型由显式参数化曲线与曲面构成,提供法向、曲率、面片分割等真值,是几何深度学习与 CAD 生成研究的核心基准。
新 数据集 MIT;CAD 模型版权归各原始创作者;处理管线 GPL CAD几何深度学习B-rep

Adaption材料科学问答增强数据集

材料
材料科学领域的技术问答数据集,涵盖材料属性、合成方法、表征技术与工程应用的基础与高级主题,支持技术问答模型训练。
见LICENSE文件 材料科学技术问答合成方法

ADEx-FNO:傅里叶神经算子变几何统一框架

ScientificML
提出ADEx-FNO框架,通过环境域嵌入与符号距离函数表示,将傅里叶神经算子扩展至任意离散化和变几何场景,无需修改核心傅里叶层结构。
见LICENSE文件 傅里叶神经算子变几何PDE求解科学机器学习

AirfRANS

流体 / CFD · 翼型 RANS
参数化翼型 RANS 流场数据集,体积小、ML 管线友好,是学习流体代理模型(surrogate)的入门首选。由 NeurIPS 2023 发布,含 1000+ 参数化翼型 RANS 仿真,可直接喂入 DeepONet / FNO / GNN 训练;提供 OpenFOAM / SU2 解算器基线。
ODbL CFD翼型RANS

AirfRANS 翼型气动高保真代理模型基准案例

航空气动 / 高保真数据集 / 代理模型评测
1000 次翼型稳态 RANS 构成的高保真基准,含数据效率与雷诺数/攻角外推四类任务。本文复核其数值设置、指标口径与此前条目中无法核实的精度数字。
新 ODbL v1.0(数据集与代码);论文版权归作者 航空气动翼型高保真 CFD

AlphaFold:蛋白质三维结构预测的深度学习体系

生物医学 / 结构预测
DeepMind 2021 年开源的蛋白质结构预测体系,2024 年更新模型权重至 v2.3.0,含单链与多聚体两套模型、完整 MSA 检索流水线与 Amber 弛豫后处理,代码 Apache-2.0。
新 代码为 Apache-2.0;模型参数与 CASP15 预测数据为 CC BY 4.0 蛋白质结构预测深度学习多序列比对

AMGX GPU 加速代数多重网格:把线性求解内核整体搬上加速器

高性能计算 / 求解器
NVIDIA 开源的分布式代数多重网格线性求解库,提供经典 Ruge-Stüben 与未光滑聚合两套 AMG 变体、多类光滑子与 Krylov 方法,单 GPU 相对 CPU 实现有 2 至 5 倍加速,是物理仿真共用 GPU 算力的底座。
新 BSD 3-Clause(NVIDIA Corporation,2017–2024) AMGX代数多重网格GPU 加速

AOT-POT:面向大规模PDE预训练的自适应算子变换

ScientificML
提出自适应算子变换(AOT)方法解决多PDE预训练中解算子结构多样性问题,通过对目标解算子而非模型容量进行适配,提升神经算子在跨方程任务中的泛化能力。
见LICENSE文件 神经算子PDE预训练自适应变换

APT:融合全局-局部注意力的自适应物理 Transformer

原创研究论文
ICML 2026 论文,地下能源系统的几何/网格/物理无关神经算子,用图编码器捕获高分辨率局部异质特征,全局注意力解析长程物理影响;2D 断层 CO2 存储饱和度误差降为原 SOTA 的 1/4,对 GEOS 模拟器实现 19,873× 加速,对 ECLIPSE 实现 6,800× 加速。
arXiv 预印本(版权归作者) 神经算子地下储能CO2 封存

ATOM:面向多任务分子动力学的预训练神经算子

原创研究论文
ICLR 2026 论文,提出准变等原子分子动力学预训练神经算子 ATOM,无需显式分子图,采用时间注意力并行解码多未来状态;自建 TG80 数据集(80 种化合物,250 万飞秒轨迹),在 MD17/RMD17/MD22 上零样本泛化表现优异。
arXiv 预印本(版权归作者) 神经算子分子动力学Transformer

NVIDIA Isaac ROS与AI Agent加速ROS 2节点

多体/Multibody
NVIDIA官方教程,演示如何通过Isaac ROS和AI Agent优化ROS 2计算图性能,实现机器人工作负载的GPU加速。
见LICENSE文件 ROS 2NVIDIA Isaac ROS机器人加速

B

测试时训练流匹配实现物理系统贝叶斯滤波

通用科学ML
提出在测试时通过流匹配模型学习贝叶斯滤波后验分布,为高维物理系统状态估计提供连续分布表示的解决方案。
见LICENSE文件 状态估计流匹配贝叶斯滤波

超越点预测:带不确定性量化的人工代表树

通用科学ML
提出将人工代表树与Mondrian保角预测系统结合,实现单棵决策树同时提供连续预测、预测区间和概率分布输出的可解释ML方法。
见LICENSE文件 决策树可解释机器学习不确定性量化

超越相位还原:耦合振荡器最优控制中的振幅崩塌

多体
通过求解四维Hamilton-Jacobi-Bellman方程,获得两个扩散耦合Stuart-Landau类振荡器的全状态最优反馈控制,揭示耦合强度阈值处控制策略从相位同步向振幅崩塌的突变现象。
见LICENSE文件 耦合振荡器HJB方程振幅崩塌

后向对数正交函数及其逼近理论

通用科学ML
提出后向对数正交函数新类,通过终端对数映射广义拉盖尔多项式构造,用于弱奇异解的后向谱逼近。
见LICENSE文件 谱方法正交函数逼近理论

建筑能耗模拟与代理模型:以 EnergyPlus 为例

建筑能源 / 仿真加速
以 EnergyPlus 官网、许可文件与 ORNL/UTK 的代理模型论文为主线,核对整楼能耗仿真引擎的能力边界、许可与工具链,并厘清代理模型可被引用的量化结论与失效范围。
新 EnergyPlus 自有许可(BSD 式三条款 + 名称使用条款 + DOE 政府权利保留) 建筑能耗EnergyPlus暖通空调

C

带分离截面本构律的修型螺旋软体臂Cosserat建模方法

多体
针对修型螺旋软体臂中承重螺旋域分离的特点,提出分离截面本构律,在局部参考系下评估各螺旋域力学响应并映射回全局坐标系,提升Cosserat rod模型精度。
见LICENSE文件 软体机器人Cosserat rod本构律

基于机器学习的CMS量能器电磁簇射特征校准方法

电磁/Electromagnetics
提出两种基于机器学习的校准方法,用于修正高能物理模拟与真实碰撞数据间的电磁簇射特征差异,提升探测器模拟精度。
见LICENSE文件 高能物理电磁簇射探测器校准

近地天体初轨确定的神经网络方法比较分析

通用科学ML
比较两种神经网络模型用于近地天体短弧初轨确定问题,填补传统方法在单夜观测弧段不足时的失效空白,服务于小行星监测与天体测量。
见LICENSE文件 初轨确定近地天体小行星监测

可压缩欧拉方程 PINN 模型

PINN
基于物理信息神经网络的压缩欧拉方程求解模型,托管于 HuggingFace。模型针对压缩欧拉方程族设计,使用守恒型 PINN 损失,适合激波相关流动代理建模。可作为基线对比。
mit 物理信息神经网络计算流体力学可压缩流

跨表征 PDE 评估数据集

通用科学ML
包含32个物理系统的PDE评估数据集,每个系统提供源代码、自然语言描述、控制方程和数值轨迹四种表征,含正确与损坏变体。
见LICENSE文件 PDE评估跨表征学习物理系统

连续时间机器学习:统一数学视角综述

通用科学ML
综述连续时间机器学习主要分支的统一数学框架,涵盖神经常微分方程、随机过程与连续时间模型的关系。
见LICENSE文件 连续时间模型神经常微分方程时间序列

两性纳米颗粒表面的电荷调节介导相互作用

材料/Materials
采用显式离子分子动力学与电荷调节蒙特卡洛模拟,研究两性纳米颗粒表面的电荷调节介导相互作用力。
见LICENSE文件 两性纳米颗粒电荷调节分子动力学

睡眠分阶段基础模型通道缩减性能对比分析

通用科学ML
评估六种睡眠分阶段基础模型在减少多导睡眠图通道数条件下的性能表现,为居家长期监测提供轻量化传感方案。
见LICENSE文件 睡眠分析多导睡眠图通道缩减

通过储层编码与主动推理实现机械系统认知行为

多体/机器人
提出机械系统认知计算框架,融合储层编码与主动推理,突破传统被动设计与离线优化局限,实现系统在变化环境中的自适应学习能力。
见LICENSE文件 储层计算主动推理认知行为

完整神经电子初始化加速材料DFT计算

Materials
首个完整机器学习方法用于加速PAW框架下的平面波密度泛函理论计算,提出神经电子初始化器需满足的七个准则,补充了原有方法缺失的占据数增强和自旋初始化两个结构依赖组件。
见LICENSE文件 密度泛函理论机器学习材料科学

液冷双芯片针鳍冷板CFD模拟数据集(含POD-NN代理模型)

CFD
包含2000个液冷双芯片针鳍冷板的稳态CFD模拟数据及其POD-NN代理模型,配套可复现论文图表的代码,支持热管理系统快速设计与优化。为车规/航空/能源领域的代理模型训练与验证提供标准 CFD 流程。
cc0-1.0 CFD液冷冷板

原始BGN平均曲率流方法的收敛性证明

通用科学ML
证明原始BGN方法在时间步τ=h²时以二阶精度收敛于平均曲率流,采用向后误差分析技术。
见LICENSE文件 平均曲率流数值分析向后误差分析

Brinkman惩罚方法的共形辛结构与哈密顿PDE算子学习

通用科学ML
揭示Brinkman惩罚正则化哈密顿PDEs保留多共形辛结构的兼容性条件,建立精确局部守恒律,为复杂域结构保持算子学习提供理论基础。
见LICENSE文件 哈密顿偏微分方程Brinkman惩罚结构保持学习

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

Cantera 反应流与化学动力学:把机理、热力学与输运接进物理 AI 工作流

燃烧 / 化学动力学
加州理工学院发起、NumFOCUS 支持的开源化学动力学套件,提供热力学、详细动力学、输运、零维反应器网络与一维反应流求解;内置 GRI-Mech 3.0 等 22 套机理,为燃烧、电化学与等离子体建模、代理模型训练提供可复现的物理真值。
新 BSD 3-Clause 风格(California Institute of Technology 2001–2009、Sandia Corporation 2009、Cantera Developers 2011–2026) Cantera化学动力学燃烧

CFD 代理模型数据集

CFD代理模型
HuggingFace上的计算流体力学代理模型相关数据集,支持CFD仿真与代理模型研究。数据集聚焦 CFD 代理模型训练场景,与 SimNet / PhysicsNeMo 等科学 ML 框架兼容性较好。
apache-2.0 计算流体力学代理模型数据集

CFD Benchmark 数据集

CFD/计算流体力学
面向神经PDE求解器的综合基准数据集,包含六个标准任务,覆盖规则网格、结构网格和不规则几何体,用于ICML 2024论文Transolver的统一评估。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。
other 神经PDE求解器计算流体力学基准数据集

CFD Python:12 步走进 Navier-Stokes

流体/CFD / 入门教程
Lorena Barba 团队经典教材「12 Steps to Navier-Stokes」,用 12 个 Jupyter Notebook 从零构建一维线性对流到二维 NS 与通道流求解器,是全球 CFD 入门的事实标准。
新 见 LICENSE 文件 CFD有限差分入门

CFD代理模型数据集

计算流体力学
HuggingFace平台上的计算流体力学代理模型训练数据集,由用户harryshah14提供托管下载。数据集按 RANS / LES / DNS 多保真度组织,提供 OpenFOAM / SU2 求解器脚本与标准化训练/验证切分。
见LICENSE文件 计算流体力学代理模型CFD数据集

CFD与机器学习驱动的超音速真空管运输舱体优化及分级压力面积管理

流体/CFD
提出基于CFD与机器学习集成框架的超音速真空管运输舱体几何优化方法,采用复合三次贝塞尔曲线参数化设计,结合Latin Hypercube采样实现200种构型评估,验证了分级收缩-扩张管概念在超音速运行中的气动可行性。
见LICENSE文件 真空管运输超音速气动舱体优化

CFDBench

CFD 基准 / 多场景
专注计算流体力学(CFD)场景的多物理场数据集,覆盖内流、外流、热对流等典型工程场景,含时序与稳态数据。数据集含内流(管流、腔流)、外流(钝体绕流、翼型)与热对流(瑞利-贝纳尔)多任务,时间序列与稳态快照均覆盖。
见LICENSE文件 CFD流体热对流

CFDBench 计算流体力学基准数据集

CFD/计算流体力学
大规模计算流体力学机器学习基准数据集,涵盖驱动腔、管道流、溃坝、圆柱绕流四类经典CFD问题,用于评估神经算子在未知边界条件下的泛化能力。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。
apache-2.0 计算流体力学基准数据集神经算子

CHOREO:面向人形机器人技能轨迹的统一组合框架

多体
提出CHOREO框架,无需训练即可实现异构人形机器人技能(如强化学习、运动模仿、生成模型)的组合,支持跨表示/接口/控制器的技能拼接。
见LICENSE文件 人形机器人技能组合轨迹表示

CIFGS/physics-informed-sirenMRI-model

PINN
HuggingFace平台上托管的物理信息神经网络模型,名称暗示与MRI成像和SIREN架构相关,详细信息待查阅官方页面。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
mit 物理信息神经网络MRISIREN

Clawpack 双曲问题有限体积求解包

流体/CFD / 框架教程
LeVeque 团队的有限体积软件包,Godunov 类格式求解双曲型方程,覆盖激波、海啸、油藏与地震波场景,是守恒律数值方法的标准教学与科研工具。
新 BSD-3-Clause 有限体积双曲方程激波

ClimateLearn:气候数据与机器学习的基准 Python 库

气候机器学习基准库
UCLA 机器智能组开源的 PyTorch 库,统一 ERA5、CMIP6、PRISM 数据获取、统计降尺度与时序预报的基线模型、指标与可视化,用于规模化可复现的气候机器学习基准测试。
新 MIT 气候机器学习基准

cluster-02-hydrostatic-pinn

PINN模型
HuggingFace上的流体静力学物理信息网络模型仓库,用于基于物理约束的深度学习流体静力学计算任务。模型实现静水压强分布预测,可用于教学演示或简单工程估算的快速原型。
mit 物理信息网络流体静力学深度学习

cluster-03-potential-flow-pinn 模型

物理信息神经网络
HuggingFace 上的潜在流 PINN 聚类模型仓库,提供基于物理信息神经网络的势流建模资源。数据集以势流理论为基线,提供 PINN 训练所需的边界条件 / 控制方程模板,适合课堂与论文复现。
mit 物理信息神经网络势流聚类

cluster-06-bubble-dynamics-pinn

PINN模型
HuggingFace托管的气泡动力学PINN模型仓库,模型名称表明聚焦于使用物理信息神经网络处理气泡动力学问题。模型针对气泡成核/聚并/变形等动力学场景设计,含多相流 PINN 损失与可视化输出。
mit 气泡动力学物理信息神经网络PINN

cluster-07-fourier-pinn

Fourier-PINN
HuggingFace模型仓库,名称包含Fourier-PINN,可能涉及傅里叶增强的物理信息神经网络。模型集成 Fourier 特征编码与 PINN 损失,专为频域敏感的 PDE 设计,提供训练配置 YAML 模板。
mit PINNFourier物理信息神经网络

D

用于自主微出行动力学的可微动力学

多体
面向低速微出行车辆的可微动力学,刻画轮胎滑移、摩擦与轮布局对运动预测的影响。
见LICENSE文件 可微动力学微出行导航车辆运动建模

支持Droop控制的电力系统基础模型潮流分析

Electromagnetics
提出针对GridFM电力系统基础模型的droop感知扩展,将斜率控制和死区参数嵌入节点特征,实现控制感知交流潮流分析。
见LICENSE文件 电力系统潮流分析基础模型

Dedalus 谱方法微分方程求解框架

通用科学ML / 框架教程
用符号化方式构建谱方法求解器的 Python 框架(Burns et al. 2020),在流体动力学、等离子体、恒星与行星研究中广泛使用,是从 Galerkin 到可微分仿真的桥梁。
新 GPL-3.0 谱方法符号计算Python

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

DeepONet 深度算子网络入门

神经算子 / 入门教程
系统学习 DeepONet(深度算子网络)的理论原理与 DeepXDE 代码实现,适合需要处理多物理参数场景的 PINN 开发者。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
MIT DeepONet神经算子DeepXDE

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

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

DeepXDE 物理信息神经网络框架

通用科学ML / 框架教程
最成熟的 PINN/DeepONet 开源求解框架,一个 API 覆盖正问题、逆问题与多物理耦合,中文文档友好,是从论文走向代码的首选框架。支持 PyTorch/TensorFlow/JAX 多后端与分数阶微分方程。
新 LGPL-2.1 PINNDeepONet框架

DeepXDE v1.15.0

微分方程求解
DeepXDE v1.15.0 发布,新增 L-LAAF 激活函数与 PyTorch 后端 MPS GPU 支持,提升微分方程深度学习求解效率。原生支持 GPU/TPU 加速,可与神经网络端到端耦合,是科学 ML 框架中可微物理的代表。
LGPL-2.1 微分方程深度学习科学计算

DeViGrasp:退化视觉感知下的四足机械臂鲁棒抓取

多体/Multibody
提出DeViGrasp方法,系统分析遮挡、分割掩码丢失、深度噪声和目标定位抖动对四足机械臂抓取策略与目标跟踪的影响,提升退化感知下的全身控制鲁棒性。
见LICENSE文件 四足机器人鲁棒抓取视觉感知退化

DMD-Neural-Operator

科学计算
HuggingFace平台上的科学计算模型,集成动态模态分解与神经算子方法,支持科学数据建模与预测任务。模型融合 DMD 线性降阶与神经算子非线性残差建模,对高维时序科学数据具有较好的采样效率。
mit 动态模态分解神经算子科学计算

Downstream_Physics_Simulation 数据集

通用科学ML
GeoPT论文配套的物理仿真下游任务数据集,包含5种仿真任务的多尺度网格数据,用于验证几何预训练神经仿真模型在通用物理场上的泛化能力。
见LICENSE文件 物理仿真数据几何预训练神经仿真

DrivAerML 汽车外流气动高保真数据集与代理模型

汽车气动 / 高保真数据集 / 代理模型
500 个参数化 DrivAer 变体的尺度分辨 CFD 数据集,484 例公开、约 31 TB,含官方划分与几何外推口径。本文复核其数值设置、代理模型适用边界与工程折算口径。
新 CC BY-SA 4.0(数据集);论文版权归作者 汽车气动高保真 CFD代理模型

DrivAerNet++

汽车气动 / 大规模 CFD
MIT 发布的超大规模汽车外气动数据集,含 8000 个参数化车型的 CFD 流场、网格与气动系数,是气动代理模型与几何生成设计的主力语料。可作为物理 AI 训练数据生成器与代理模型验证基线,是 CAE 工业链路的常用底层。
CC BY-NC 4.0 汽车气动CFD代理模型

Transolver真的需要Transformer吗?

流体/CFD
系统分析Transolver神经算子的物理注意力机制,并通过九项三维流体动力学基准消融实验探究其性能来源。
见LICENSE文件 神经算子物理注意力流体力学

E

机器人学习中的物理先验嵌入:综述

Multibody
综述机器人学习中物理先验嵌入的方法,涵盖接触力学、刚柔体耦合、多体动力学等物理约束如何提升学习策略的样本效率与可靠性。
见LICENSE文件 机器人学习物理先验多体动力学

基于杆件倾角的张拉整体机械臂运动学估计与控制

多体/机器人
研究张拉整体连续体机械臂的运动学估计与闭环控制方法,基于杆件倾角参数化表达复杂连续弯曲构型,解决传统弹性骨干模型不适用于张拉整体结构的问题。
见LICENSE文件 张拉整体连续体机器人运动学估计

基于稀疏微分实现局部MLIP分子Hessian矩阵O(N)计算

Materials
提出利用稀疏微分技术从机器学习原子间势(MLIP)精确计算分子Hessian矩阵,将计算复杂度从O(N²)降至O(N),突破传统方法对小体系的限制。
见LICENSE文件 分子动力学原子间势Hessian矩阵

基于先进S矩阵算法扩展RCWA能力

电磁/Electromagnetics
提出层状光子结构的S矩阵重构方法,将S矩阵定义为单层固有属性,独立于相邻界面,提升数值稳定性。
见LICENSE文件 RCWA散射矩阵光子结构

神经算子虚拟感测的节能运行

热传导/热管理
研究神经算子虚拟感测中的共享空间计算,在保持预测结果的同时降低热交换器服务的运行能耗。
见LICENSE文件 神经算子虚拟感测节能计算

增强Transformer的符号ODE表达式表示能力

通用科学ML
提出基于Transformer学习符号常微分方程的结构化表示,保持交换性以支持符号形式数学推理,区别于依赖数值拟合的传统方法。
见LICENSE文件 符号计算ODETransformer

左心室区域材料参数的贝叶斯推断代理建模策略

生物力学/计算医学
提出基于贝叶斯代理模型的框架,从心脏MRI推断左心室五区Holzapfel-Ogden材料参数,突破心肌同质化假设的限制,实现区域性心肌功能障碍的个性化建模。
见LICENSE文件 心脏生物力学贝叶斯推断代理模型

F

带自适应锚点的函数空间 Transformer

通用科学ML
面向连续域物理场的函数空间变换器,通过自适应锚点缓解固定网格在局部变化与计算量之间的权衡。
见LICENSE文件 物理场神经算子连续域建模

基础物理神经算子

神经网络/AI4Science
Delta实验室在HuggingFace上发布的基础物理领域神经算子模型项目,具体功能与性能请参阅官方仓库文档。项目由 Delta 实验室托管,含预训练权重与微调示例,建议结合官方文档评估适用性。
mit 神经算子基础物理Delta实验室

神经算子:从理论到应用——科学计算实践入门

综述 / 学习资料
聚焦实践的神经算子教程,覆盖 DeepONet / FNO / PCANet 的高层概念与训练策略,并在 Poisson 与线弹性问题上对比架构差异,还演示了作为贝叶斯反演代理的应用,是工程化落地的入门读物。
arXiv 预印本(版权归作者) 神经算子DeepONetFNO

太阳中微子地球物质效应快速代理模型

ScientificML
基于残差卷积网络构建太阳中微子地球物质效应的深度学习代理模型,在中微子能量和天顶角参数空间内快速预测跃迁概率。
见LICENSE文件 中微子振荡地球物质效应深度学习代理

用于Rayleigh-Bénard对流的傅里叶神经算子

流体/CFD
提出改进FNO通过时间增量预测建模二维Rayleigh-Bénard对流,实现314k参数、7ms推理的高效模型,揭示训练数据分辨率对泛化精度的限制。
见LICENSE文件 傅里叶神经算子Rayleigh-Bénard对流流体力学

FAIR Chemistry 化学机器学习工具库

材料/化学 / 框架教程
Meta FAIR Chemistry 的开源工具库(原 Open Catalyst Project),覆盖 OC20/OC22 数据集与 GemNet、eSCN、EquiformerV2 等模型,是催化与材料计算 AI 的第一站。
新 MIT 催化机器学习势图神经网络

FAIR Chemistry 与 UMA:跨域原子基础模型平台

材料与化学 / 原子级机器学习
Meta FAIR Chemistry 的集中式仓库,已从 OC20 电催化工具扩展为覆盖分子、材料、催化剂的统一平台;旗舰 UMA 以混合线性专家架构在 5 亿结构上训练,切换任务名即可服务 OC20 至 OC25 等七个体系。
新 仓库代码为 MIT(Meta, Inc.);fairchem-lammps 包在 PyPI 声明 GnuV2;UMA 权重按 gated model terms 单独授权;数据集另附各自条款 原子基础模型机器学习势电催化

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

FEniCS 有限元自动求解平台

固体/结构 / 框架教程
用接近数学记号的 UFL 语言描述变分形式,自动完成离散与求解的有限元平台,配官方教程《Automated Solution of Differential Equations》,是 FEM 学习的标准路线。
新 LGPL-3.0 有限元FEM变分形式

FEniCS/dolfinx v0.11.0.post0 发布

科学计算/有限元
FEniCS/dolfinx 发布补丁版本,修复内置文档中 Mathjax 渲染问题,功能与 v0.11.0 完全相同,用户无需升级。支持高阶单元与大规模并行,是学术界多物理场耦合仿真的标准工具之一。
LGPL-3.0 FEniCSdolfinx有限元

FM4PDE 偏微分方程数据集

通用科学ML/ScientificML
面向偏微分方程建模的公开数据集,为物理场仿真与机器学习模型训练提供数据基础。
见LICENSE文件 偏微分方程物理场数据科学机器学习

FNO(Fourier Neural Operator)入门教程

傅里叶神经算子 / 入门教程
系统学习 Fourier Neural Operator(傅里叶神经算子)从理论到代码实现,适合希望将神经算子用于 PDE 代理模型的工程师与研究者。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。
MIT FNO神经算子代理模型

FourCastNet:自适应傅里叶神经算子的全球天气预报

气象 / 数据驱动预报
NVIDIA 与 NERSC 等 2022 年提出的全球数据驱动天气预报模型,以 0.25 度分辨率在不到 2 秒内生成一周预报,在大尺度变量上短时效追平 ECMWF IFS、细尺度变量优于 IFS,让千成员大集合成为廉价常规操作。
新 代码为 BSD 3-Clause(Copyright (c) 2022, FourCastNet authors);数据遵循 Copernicus CDS 条款;模型权重随仓库分发说明 天气预报傅里叶神经算子深度学习

Fourier Neural Operator(FNO)原始论文

奠基性论文
提出在傅里叶空间参数化积分核的神经算子,实现分辨率无关的 PDE 求解,是算子学习与物理 AI 方向引用量最高的奠基工作之一。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) FNO神经算子奠基论文

Frax

机器人运动学与动力学库 / JAX 自动微分控制框架
斯坦福 ASL 基于 JAX 的纯 Python 机器人运动学与动力学库,以自动微分与 JIT 提供 Pinocchio 级速度,兼容 MJX 并行,用于高性能 IK/ID 控制。
新 MIT 机器人动力学运动学自动微分

FuXi-CFD 风场数据集

计算流体力学
大规模CFD生成的风场模拟数据集,包含超过12,000个案例,专为训练和评估地形信息机器学习风场重建模型FuXi-CFD而构建。可作为物理 AI 训练数据生成器与代理模型验证基线,是 CAE 工业链路的常用底层。
见LICENSE文件 风场模拟计算流体力学机器学习

FuXi-CFD 数据集

计算流体力学
大规模CFD风场模拟数据集,含12000+案例,用于训练地形信息机器学习模型以重建精细尺度3D风场。数据集采用 ERA5 真实大气边界层驱动 CFD,输出 3D 风速/湍流强度场,专为地形风力评估机器学习模型设计。
见LICENSE文件 计算流体力学风场模拟机器学习

Python 有限元从零开始

有限元 / 从零实现
不依赖 FEniCS/Abaqus 等框架,从 NumPy/SciPy 出发实现 2D 弹性力学有限元求解器,深入理解 FEM 的每一个矩阵推导与组装细节。支持高阶单元与大规模并行,是学术界多物理场耦合仿真的标准工具之一。
GPL-3.0 有限元FEMPython

G

基于GCN的谐波畸变配电网故障分类模型

电磁/Electromagnetics
提出拓扑感知的图卷积网络模型,利用谐波分量对IEEE 34节点配电网进行故障分类,适用于高比例新能源并网场景。
见LICENSE文件 配电网故障分类图卷积网络

几何感知增量神经算子用于长时域PDE预测

通用科学ML
提出几何感知增量神经算子解决长时域PDE预测中自回归误差累积问题,抑制谱不一致和通道耦合不稳定。
见LICENSE文件 神经算子偏微分方程长时域预测

物理信息神经网络的梯度手术

通用科学ML/ScientificML
研究物理信息神经网络训练中的梯度冲突与多任务优化问题,针对刚性和高频偏微分方程提升收敛稳定性。
见LICENSE文件 物理信息神经网络梯度冲突多任务优化

引力信息神经网络用于后牛顿双星动力学建模

ScientificML
提出GravINNs框架,将后牛顿运动方程直接嵌入训练过程,学习双星轨道动力学,涵盖保守动力学单轨代理模型与四维参数空间扩展。
见LICENSE文件 引力神经网络后牛顿近似双星动力学

油藏数值模拟的图神经代理:以 PhysicsNeMo X-MGN 为例

地球物理 / 油藏工程
以 NVIDIA PhysicsNeMo 的 reservoir_simulation/xmgn 示例与 X-MeshGraphNet 论文为主线,核对油藏代理的真实能力、数据格式、误差累积特征与数据可得性边界。
新 Apache-2.0(PhysicsNeMo 示例仓库);Norne 数据集遵循其自身许可条款 油藏模拟图神经网络MeshGraphNet

GenCast:球面扩散模型驱动的概率集合天气预报

概率集合天气预报模型
Google DeepMind 的生成式概率天气预报模型,用球面扩散模型在 0.25° 网格生成 15 天集合预报,8 分钟完成单条轨迹,1320 个目标中 97.2% 优于 ECMWF ENS;代码 Apache-2.0。
新 代码为 Apache-2.0;模型权重自 2026 年 8 月起允许商业使用,其余材料为 CC BY 4.0 天气预报概率预报扩散模型

GENERIC-FNO:将能量守恒与熵产生嵌入傅里叶神经算子

ScientificML
提出GENERIC-FNO,将非平衡热力学的度量结构嵌入傅里叶神经算子,通过简并条件耦合可逆能量守恒与不可逆熵产生过程,拓展了结构保持神经算子的能力边界。
见LICENSE文件 神经算子傅里叶神经算子热力学

GeoPT 下游物理仿真数据集

流体/CFD
GeoPT 论文配套的物理仿真数据集,涵盖气动仿真等5类下游任务,含网格尺寸、变量、训练/测试规模等元数据。
见LICENSE文件 物理仿真数据集几何预训练气动仿真

GNoME:把材料发现从万级枚举推到百万级凸包

材料科学 / 第一性原理
Google DeepMind 的图网络材料发现系统 GNoME,通过主动学习把候选结构池推过十亿量级,用 DFT 校验后回流训练,新增 38.1 万个稳定材料条目,并附带一套可下载的凸包数据集与预训练势模型实现。
新 代码与 Notebook 采用 Apache-2.0;GNoME 数据集采用 CC BY-NC 4.0(仅限非商业用途);论文为 CC BY 4.0 材料发现图神经网络第一性原理

Gnomon:物理信息驱动的LEO网络链路状态预测系统

电磁/Electromagnetics
Gnomon系统利用物理信息方法重构LEO卫星服务几何与信号衰减模型,预测用户感知的上/下行吞吐量和RTT,适用于不同轨迹数据可用性场景。
见LICENSE文件 低轨卫星物理信息神经网络链路预测

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

GridSFM:交流最优潮流求解基础模型

电网优化
基于物理信息图神经网络的交流最优潮流求解基础模型,在54种电网拓扑上预训练,可在10,000节点系统上实现2.45%零样本成本误差。
见LICENSE文件 交流最优潮流图神经网络电力系统优化

GROMACS

分子动力学模拟软件
面向生物分子的高性能分子动力学模拟套件,GPU 加速成熟并已内置神经网络势接口,是蛋白、脂质与溶剂体系模拟的主流开源工具。
新 LGPL-2.1 分子动力学生物分子GPU 加速

H

哈佛 CS249r 机器学习系统开放教科书(四卷本)

教材 / 系统课程
哈佛 CS249r 开放教科书系列(共四卷),系统讲解机器学习系统从基础执行、分布式扩展到代理式 AI 与物理 AI 的构建原理,附可运行 Python 实验与教学工具。
新 CC BY-NC-ND 4.0(教科书正文);Labs/Slides 为 CC BY-NC-SA 4.0 教材机器学习系统物理AI

氢稳定的铁中多模态高指数孪晶网络

材料/Materials
研究氢对体心立方铁相变与变形孪晶的影响,结合密度泛函理论训练的深度神经网络原子势和大规模分子动力学,发现氢可降低屈服应力。
见LICENSE文件 氢效应变形孪晶铁材料塑性

如何使用 AI Agent 为仿真准备 3D 场景

AI仿真
NVIDIA 介绍利用 Agentic AI 工作流为物理 AI 系统准备和验证数字孪生的方法,Agent 可检查 3D 场景并生成仿真相关数据。融合实测应变与物理约束,可在大型基础设施上长期部署,为结构健康监测提供 AI 替代方案。
见LICENSE文件 AI Agent数字孪生3D仿真

HALO

人形机器人自主控制系统 / 仿真到现实运动生成系统
苹果 ML 研究团队公开的人形机器人感知—运动自主系统,全仿真数据训练、直迁宇树 G1,陌生真实环境单项任务成功率 91%。
新 Apple 自有权属许可(非 OSI 开源许可;GitHub 标注 Other/NOASSERTION,详见仓库 LICENSE) 具身AI人形机器人仿真到现实

HydroGym:面向流动控制的强化学习基准平台

流体控制 / 主动流动控制
面向流动控制的求解器无关强化学习平台,提供 61 个已验证的二维三维环境,涵盖六类 CFD 后端。零样本迁移实验在通道流训练的策略于三维 NACA0012 机翼上取得局部表面摩擦降低约 38%、总阻力降低约 11%。
新 MIT(代码)/ Nature 论文 流体控制强化学习减阻

NVIDIA Groq 3 LPX 确定性与 Vera Rubin 高交互推理

AI推理优化
NVIDIA Groq 3 LPX 通过确定性执行技术提升 Vera Rubin 平台推理效率,实现 AI 工厂场景下的高交互性与低功耗计算。在 AI 工厂推理能效优化方向验证,可作为大规模推理部署的低功耗参考实现。
见LICENSE文件 AI推理能效优化确定性执行

I

多输入变量计算机实验中的保序代理建模

通用科学ML
面向粒子碰撞、火箭推进等物理系统的计算机实验,提出利用单调性信息的贝叶斯代理建模方法,以提升有限样本下的仿真替身建模效率。
见LICENSE文件 贝叶斯代理模型保序回归单调性约束

积分化学反应神经网络

量子/化学
提出iCRNN框架,从时间序列浓度数据中无先验假设地发掘化学反应网络结构与动力学参数,兼顾可解释性与计算效率。
见LICENSE文件 化学反应网络神经网络化学动力学

通过核最优传输改进函数空间流匹配

通用科学ML
面向偏微分方程解等函数值数据,改进流匹配的端点配对与核最优传输方法。
见LICENSE文件 函数空间生成模型流匹配偏微分方程解

IASC-ASCE 结构健康监测基准与物理信息损伤识别

结构健康监测 / 损伤识别 / 基准数据集
IASC-ASCE 四层钢框架 SHM 基准(12/120 自由度双模型、六种损伤模式)与物理信息损伤识别方法。本文复核基准几何、噪声设定与指标口径,并纠正此前条目的悬索桥与剩余寿命等失实表述。
新 various(论文版权归作者;数据按任务组条款分发) 结构健康监测损伤识别基准数据集

InternS1-Mini 上下文条件化分子转移模型

量子/化学
基于 InternS1-Mini 的上下文条件化分子转移模型,针对药物性肝损伤(DILI)相关分子转化任务设计,用于化学反应预测与药物发现。
见LICENSE文件 分子转移药物发现化学反应预测

interpolant_pdes 数据集

ScientificML
HuggingFace 平台上的偏微分方程插值相关数据集,支持物理建模与机器学习交叉研究。
见LICENSE文件 偏微分方程插值数据集

J

JAMB:双臂操作的联合动作-运动扩散策略

多体/机器人
JAMB提出联合去噪双臂动作与运动状态,突破性建模双臂间的几何交互约束,为共享3D场景中的协同操作提供新范式。
见LICENSE文件 机器人双臂操作扩散策略动作生成

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

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-CFD 可微分计算流体力学

流体/CFD / 框架教程
Google 开源的可微分 CFD 代码库,把谱方法求解器搬进 JAX,让梯度穿过整个流场仿真,是学习「可微分仿真 + 机器学习湍流建模」的标准入口。
新 Apache-2.0 JAX可微分仿真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

K

基于核函数的可解释神经算子:KernelOnet

通用科学ML
面向物理场建模,将核函数显式嵌入神经算子架构,使算子结构与核展开形式相匹配并提升可解释性。
见LICENSE文件 神经算子核函数可解释机器学习

K-TRAIL:仿真器引导的EM/RF电路生成式设计框架

电磁/Electromagnetics
K-TRAIL是一个结合扩散模型布局生成与免导数集合卡尔曼引导的EM/RF电路逆向设计框架,通过黑盒电磁仿真器反馈迭代优化候选布局。
见LICENSE文件 电磁逆向设计射频电路扩散模型

L

含耗散系统的拉格朗日与哈密顿神经网络

多体/Multibody
研究拉格朗日与哈密顿神经网络在含耗散及显式时间依赖系统中的适用性,聚焦阻尼谐振子动力学建模。
见LICENSE文件 拉格朗日神经网络哈密顿神经网络耗散系统

基于界面自编码器的几何算子学习

通用科学ML
提出界面自编码器(IAE)处理几何依赖PDE的神经算子学习,通过有限投影编码在固定区域表示界面-函数状态。
见LICENSE文件 神经算子PDE界面自编码器

潜在孪生算子

通用科学ML/ScientificML
面向时变偏微分方程的潜在空间代理模型,支持任意传感器布置与多分辨率查询。
见LICENSE文件 潜在空间代理模型时变偏微分方程条件神经过程

预测降阶模型的信息极限阶梯

通用科学ML
提出信息极限阶梯理论框架,量化有限信息条件下降阶模型的可预测性边界,涵盖无记忆/增记忆轨迹预测、事件预测、稳态统计与生成律。
见LICENSE文件 降阶模型信息论预测理论

LAMMPS

分子动力学模拟软件
桑迪亚国家实验室主导的开源经典分子动力学引擎,覆盖材料与软物质、多尺度与自定义势,并提供 ML-IAP 等机器学习势接口。
新 GPL-2.0 分子动力学材料模拟势函数

LeRobot 机械臂测试数据集

多体/机器人
基于 LeRobot 框架采集的机械臂操作数据集,包含 51 个 episode、29803 帧视频数据,用于机器人操作策略学习。
见LICENSE文件 机器人数据集机械臂LeRobot

LPINNs:面向物理知情神经网络的首层门控定位方法

ScientificML
LPINNs 通过在标准密集 PINN 首层隐藏激活上引入输入依赖的局部化函数,为首层单元赋予感受野,以改善长域和高阶算子的优化难题,无需域分割或额外界面损失。
见LICENSE文件 物理知情神经网络PINN改进神经网络局部化

M

材料科学数据平台 Materials Platform for Data Science

Materials
整合约50万篇同行评审科学文献,涵盖40万+出版物、13万+相图、40万+晶体纳米结构等材料科学数据,支持计算材料设计与机器学习应用。
见LICENSE文件 材料科学晶体结构相图

材料科学与工程领域本体库

材料/Materials
材料科学领域本体库,涵盖结构、性能、加工与性能等核心概念的语义组织结构,支持知识推理与工程应用。
见LICENSE文件 材料科学本体论知识图谱

多尺度图小波压缩感知与神经恢复

通用科学ML
提出图小波压缩感知(GWCS)框架,通过稀疏可解释的小波域表示实现图信号离线压缩,降低科学机器学习训练的数据准备成本。
见LICENSE文件 图信号处理小波变换压缩感知

基于超构光学的角度复用多任务衍射学习机

电磁/Electromagnetics
展示基于超构表面反射腔的五层衍射神经网络,实现角度复用多任务处理功能,突破光学神经网络的扩展性与多任务能力瓶颈。
见LICENSE文件 衍射神经网络超构表面角度复用

面向预测的物理知识机器学习综述

综述 / 学习资料
聚焦 PDE 场景的物理知识 + ML 系统综述,把方法分为架构层(损失函数 / 结构化预测 / 数据增强)与数据层(多任务 / 元 / 上下文学习),并提供工业落地视角与开源生态盘点。
arXiv 预印本(版权归作者) 物理信息 MLPDE多任务学习

摩洛哥Ait Melloul站点1970-2024年日平均流量数据集

水文数据
摩洛哥Ait Melloul水文站1970至2024年日平均流量数据集,来源于摩洛哥开放数据门户,包含34行记录,以ML-ready Parquet格式提供。提供日平均流量长期记录,可用于训练水文预报代理模型或评估极端事件风险。
odbl 水文数据摩洛哥流量数据

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

MaCroScope-Physics-1k 数据集

通用科学ML
MaCroScope-Physics-1k 是由 ai4collaboration 团队发布的物理科学数据集,用于支撑物理建模与机器学习交叉研究。
见LICENSE文件 数据集物理科学机器学习

MaCroScope-Physics-4k 数据集

通用科学ML
MaCroScope-Physics-4k 是 ai4collaboration 发布的物理科学数据集,名称暗示包含约4000个样本,可能用于机器学习与物理建模交叉研究。
见LICENSE文件 数据集物理科学机器学习

MaCroScope-Physics-5k 数据集

通用科学ML
HuggingFace 托管的物理领域机器学习数据集,MaCroScope 系列之一,Physics-5k 版本包含约5000条样本数据。
见LICENSE文件 数据集物理机器学习MaCroScope

MaCroScope物理数据集20k清洗版

通用科学ML
MaCroScope项目发布的物理相关实验数据集清洗版本,包含约20k条数据条目,托管于HuggingFace平台供研究使用。
见LICENSE文件 数据集物理实验MaCroScope

MARC-TS:连续反应路径学习预测过渡态

量子/化学
提出MARC-TS两阶段框架,通过端点条件化连续路径学习实现任意分辨率的过渡态查询与局部上下文细化,并发布T1x-IRC-8K数据集(8209反应、108万路径几何)。
见LICENSE文件 反应路径过渡态预测化学反应

Materials Sciences Demo 数据集

材料/Materials
HuggingFace 上的材料科学演示数据集,托管于 SciFy 账户,用于展示材料科学领域的数据组织格式与访问方式。
见LICENSE文件 材料科学数据集HuggingFace

MENO:高效内存神经算子

通用科学ML
基于流形函数编码器的 PDE 神经算子求解器,内存占用与数据分辨率解耦,支持任意形式PDE输入,适合大规模物理仿真。
见LICENSE文件 神经算子PDE求解内存优化

MIISO:等几何离群点稳定化的模态积分器

Structural
针对等几何高阶离散中频谱顶部非物理离群点模态问题,提出模态积分器稳定化方法,改善波传播与结构动力学数值解质量。
见LICENSE文件 等几何分析结构动力学波传播

Modin

分布式 DataFrame 库
加州大学伯克利分校出品的 pandas 兼容分布式 DataFrame 库,把同一套 pandas 代码分发到 Ray、Dask 或 MPI 集群执行,用于大规模仿真结果后处理与代理模型数据管线。
新 Apache-2.0 DataFrame并行计算大数据

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

N

理想阿纳波尔模式的非线性激发

电磁
研究纳米尺度光学阿纳波尔模式的非线性激发,并通过精确电流多极展开与理想阿纳波尔条件设计无远场辐射的局域电磁激发。
见LICENSE文件 光学阿纳波尔非线性光学纳米电磁学

神经调和测度算子

通用科学ML
面向可变形状域椭圆PDE的神经求解器,以Transformer边界核学习调和测度并由WoS出口样本监督。
见LICENSE文件 椭圆偏微分方程调和测度Transformer边界核

神经模态分解:从可观测量提取架构先验

电磁/Electromagnetics
提出神经模态分解(NMD)方法,将多端口系统响应矩阵分解为极点-留数形式,服务于RF腔体、光子器件等电磁系统的神经网络建模。
见LICENSE文件 神经模态分解电磁建模多端口系统

Neural Operator预测器(采样测量)

神经算子
基于神经算子的预测模型,针对采样测量场景设计,托管于HuggingFace的机器学习工具。模型专为稀疏传感器测点设计,将神经算子映射到任意坐标 query,适合工业现场部署。
见LICENSE文件 神经算子科学机器学习采样测量

NeuralGCM:可微分动力核与神经参数化耦合的大气环流模型

气象 / 混合物理机器学习
把可微分大气动力核与神经网络参数化端到端耦合的混合模型,1–15 天预报精度比肩 ECMWF 集合预报,40 年 AMIP 模拟复现历史变暖趋势,算力节省 3–5 个数量级。
新 代码为 Apache-2.0;训练权重为 CC BY-SA 4.0 气象预报混合物理机器学习可微分求解器

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

NeuralOperator v2.0.0 发布

科学计算
NeuralOperator 2.0.0 重大版本发布,新增 Codano 模型,完善文档并提升 PyTorch 神经算子训练易用性。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。
MIT 神经算子深度学习PyTorch

NeuralPDE.jl Julia 科学机器学习求解器

通用科学ML / 框架教程
Julia SciML 生态的 PINN/DeepONet/NeuralOperator 统一求解库,与 DifferentialEquations.jl 无缝互操作,GPU 与自动微分开箱即用,适合 Julia 技术栈团队。
新 MIT JuliaPINNSciML

NEXT:物理信息神经谱指数时间积分架构

通用科学ML
提出面向时间依赖偏微分方程的物理信息神经谱指数时间积分架构,关注谱偏置、因果性与刚性方程稳定性。
见LICENSE文件 物理信息神经网络神经谱架构指数时间积分

NIST AM Bench 增材制造基准:带不确定度标注的金标准测量体系

增材制造 / 基准数据集
NIST 主导的增材制造基准测试系列,用受控设备、标准化测试件与盲测挑战题检验熔池、残余应力与微观组织模型,2025 年含 9 组基准、85 份挑战提交,数据集月均下载约 1670 次。
新 公开数据(美国 NIST,公共领域) 增材制造金属 3D 打印基准测试

NVIDIA Earth-2 工业气候预测平台

地球物理/Geophysics
NVIDIA Earth-2 平台面向能源等气象敏感行业,整合观测数据与 AI 驱动的大气模拟,实现实时气象决策支持。
见LICENSE文件 气候模拟气象预测大气物理

NVIDIA Earth-2:AI驱动的天气决策平台

流体/CFD
NVIDIA Earth-2利用AI大气模型与观测数据集成,为能源等天气敏感行业提供高分辨率天气预报与决策支持服务。
见LICENSE文件 天气预报大气建模AI气象

NVIDIA PhysicsNeMo 物理 AI 工程化框架

通用科学ML / 工业框架
NVIDIA 开源的物理 AI 训练与推理框架,前身 Modulus,覆盖 CFD、结构、电磁、气象、半导体 TCAD 等官方示例,是从研究原型走向工程部署的关键一跳。
新 Apache-2.0 PhysicsNeMoModulus工业部署

NVIDIA ProtoMotions

GPU 加速人形机器人 / 数字人运动仿真与学习框架
NVIDIA 实验室开源的 GPU 加速仿真与学习框架,面向数字人与人形机器人的运动追踪、生成式策略与 Sim-to-Real 部署,支持 IsaacGym、Isaac Lab、Newton 与 MuJoCo 多后端。
新 Apache-2.0 物理仿真人形机器人运动生成

NVIDIA Warp

可微 GPU 仿真框架
NVIDIA 开源的 Python 框架,把普通 Python 函数 JIT 编译为 CPU/CUDA 原生核,且每个核自动生成可微反向版本,可让梯度穿过整段物理仿真——是 Isaac Lab、Newton 等机器人/物理学习栈的底层算力。
新 Apache-2.0 可微仿真GPUJIT 编译

O

基于块三角联合漂移的单步生成式代理模型

通用科学ML
提出块三角联合漂移方法解决随机状态转移建模中条件分布估计难题,实现单步生成式代理模型,适用于轨迹数据的概率预测任务。
见LICENSE文件 生成式代理模型随机过程状态转移

区域降维 ReLU 神经网络的优化

通用科学ML/ScientificML
面向化工过程整数决策模型与ReLU代理网络,综述区域降维及网络训练配置等优化问题。
见LICENSE文件 ReLU神经网络代理模型化工过程优化

算子学习综述(Operator Learning Survey)

综述 / 学习资料
系统梳理算子学习方法的综述论文,覆盖 DeepONet、FNO 及其变体的理论、架构与误差分析,是理解「学习无限维映射」最合适的入门与查阅材料。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) 算子学习综述DeepONet

显著波高预测中单变量深度学习的极限

流体/CFD
系统比较五类深度学习模型在海洋浮标显著波高单变量预测中的表现,并揭示多浮标评估下模型差异极小。
见LICENSE文件 显著波高预测海洋浮标深度学习模型比较

OneScience-Group/PINN-TC

科学计算
HuggingFace上的PINN相关模型资源,由OneScience-Group提供,用于科学计算与物理问题建模。模型由 OneScience-Group 维护,提供训练脚本与多任务预训练权重,可作为 PINN 迁移学习的起点。
cc-by-4.0 科学计算神经网络物理信息神经网络

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

OpenFOAM 工业级多物理场仿真流水线:从网格生成到数据供给

通用 CFD / 工业仿真 / 数据生成
以 OpenFOAM 三条发行线为背景,复核工业多物理场流水线的真实边界:CHT 多区域耦合、v14 与 v2606 的能力差异、GPU offload 现状,以及电磁能力在主线中的实际位置。
新 GPL-3.0(三条发行线均以 GPL v3 发布) OpenFOAM有限体积工业仿真

OpenFold:可训练的 AlphaFold2 PyTorch 复现

生物医学 / 结构预测
哥伦比亚大学 AQLab 出品的 AlphaFold2 高保真可训练 PyTorch 复现,配套 OpenProteinSet 百万级序列数据库,把结构预测从一次推理变成可训练的系统。
新 代码为 Apache-2.0;DeepMind 预训练参数为 CC BY 4.0(2022 年 1 月起由 CC BY-NC 4.0 放宽) 蛋白质结构预测深度学习开源复现

OpenFWI:地震全波形反演的多结构基准数据集

地球物理 / 反问题
洛斯阿拉莫斯国家实验室团队的地震全波形反演基准,12 套数据集共 2.1TB,覆盖界面、断层、风格与 CO2 封存四族结构,配套四种深度学习方法的基线与跨域泛化分析。
新 代码为 BSD 3-Clause(Copyright (c) 2022, Los Alamos National Laboratory);数据为 CC BY-NC-SA 4.0 地球物理反问题地震

OpenSees 抗震结构仿真:从非线性纤维梁到机器学习震损评估

土木工程 / 结构仿真
加州大学伯克利分校发起的开源抗震结构分析框架,非线性纤维梁、壳单元与土-结相互作用构成核心;通过 OpenSeesPy 可脚本化批量生成地震响应数据,支撑代理模型与震损评估。
新 加州大学董事会版权(1999–2020);教育研究与非营利实体可用于非商业目的,其他实体限内部用途,商业分发需另行授权 OpenSees抗震非线性分析

P

材料科学预训练语料库 PES2O-780M

Materials
材料科学领域大规模预训练语料库,含约780M tokens的RefinedWeb数据,用于AI辅助材料发现与分子动力学建模。
见LICENSE文件 材料科学预训练语料AI材料发现

反馈线性化表示的物理信息学习

通用科学ML/ScientificML
提出级联物理信息神经网络框架,用PINN求解反馈线性化坐标变换所依据的偏微分方程,突破高维系统下的计算不可行瓶颈。
见LICENSE文件 物理信息神经网络反馈线性化非线性控制

患者个性化血流动力学的混合物理—神经代理模型

生物医学流体 / 降阶建模
用神经网络从血管几何预测 0D 降阶模型的阻力与电感参数,保留 0D 模型的低成本与可解释性。在主动脉、主股动脉与肺动脉三类患者特异性解剖上,平均压力误差至少降低一半,肺动脉队列从 30.4% 降至 7.9%。
新 arXiv 预印本(CC BY 4.0),版权归作者 血流动力学降阶建模数字孪生

介质阻挡放电重新点燃时间预测

电磁/Electromagnetics
针对介质阻挡放电中相同位置连续放电的重新点燃动力学,构建物理降阶模型,无需机器学习即可实现时间预测。
见LICENSE文件 介质阻挡放电等离子体物理放电动力学

开放边界水文图上的物理约束时空预测

地球物理
针对开放边界水文图时空预测,利用物理约束处理未观测外部强迫,提升河流入流与潮汐信号场景的预测稳定性。
见LICENSE文件 水文图预测时空预测开放边界系统

面向信息物理系统的物理感知机器遗忘

通用科学ML
面向信息物理系统的物理引导机器遗忘方法,以物理残差约束权重更新,引导模型进入物理可行区域。
见LICENSE文件 机器遗忘物理引导学习信息物理系统

神经CAE代理模型的不确定性量化研究

通用科学ML
研究几何条件化神经代理模型中不确定性量化方法的表现,对比封闭形式与采样方法在跨几何形状、流场预测和工程量上的有效性。
见LICENSE文件 神经代理模型不确定性量化CAE仿真

物理仿真与机器学习融合路线图

学习路线图 / 系统性综述
从经典 PDE 数值方法到数据驱动物理 AI 的系统学习路线,覆盖有限元、有限体积、代理模型、PINN 等方法的演进逻辑与适用场景。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
CC BY 4.0 学习路径PDE数值方法

物理问答推理数据集(PhysicsQA)

通用科学ML
370 道高中物理多跳推理题,每题配完整分步解答,用于评测大模型的物理推理能力, 是 TrustAgent(AAAI 2026)改进物理推理方法所用的配套评测集。
新 Apache-2.0 物理问答物理AI推理评测

物理信息 CNN 预测电池包温度场

热管理 / 物理信息机器学习
把有限差分热传导残差写进损失的物理信息 CNN,用于 21700 电池包液冷温度场代理。本文复核其假设、数据链路、结果口径与可复现边界。
新 arXiv 预印本(版权归作者) 热管理物理信息神经网络电池

物理信息学习年度进展综述 2025–2026

年度综述 / 物理信息学习
系统性梳理 2025–2026 年物理信息机器学习(Physics-Informed Learning)领域的主要进展,重点覆盖神经算子、扩散模型在 PDE 求解中的应用、大规模基准测试与工业落地案例。
various 综述物理信息PINN

用于深度平均雪崩动力学的物理信息神经网络

地球物理/Geophysics
面向山区雪崩风险评估,构建耦合Savage-Hutter深度平均颗粒流模型的PINN,并完成一维解析与二维实验验证。
见LICENSE文件 物理信息神经网络雪崩动力学深度平均颗粒流

预条件物理信息神经算子训练

通用科学ML/ScientificML
面向通用物理场神经算子,研究基于控制方程的预条件训练,以缓解损失病态问题。
见LICENSE文件 物理信息神经算子预条件训练科学机器学习

OFDM-ISAC系统星座成形物理层感知隐私:理论、设计与实验

电磁/Electromagnetics
针对OFDM-ISAC系统中被动窃听者利用通信信号进行未授权感知的隐私风险,提出基于几何星座成形(GCS)的感知隐私增强框架,揭示星座依赖测距性能具有接收机特异性。
见LICENSE文件 通信感知一体化OFDM物理层安全

Pangu-Weather:三维地球特定 Transformer 的全球中期天气预报

气象 / 数据驱动预报
华为云 2023 年 Nature 论文的全球中期天气预报模型,0.25° 分辨率上精度全面超过 ECMWF 业务 IFS,单次 5 天推理约 1.4 秒;权重 CC BY-NC-SA 4.0 禁止商用。
新 训练权重为 CC BY-NC-SA 4.0(禁止商用);仓库未附 LICENSE 文件,代码许可未声明 气象预报三维 Transformer中期天气预报

PDE 代理模型基准数据集

ScientificML
PDE 代理模型任务的基准数据集,属于 ai4sci-tasks 评测体系,包含训练轨迹与评估分割,用于验证神经算子与代理模型方法的性能。
见LICENSE文件 PDE代理模型基准数据集科学机器学习

PDE-OBS 偏微分方程基准数据集

通用科学ML
PDE-OBS 基准测试的数值解数据集,涵盖 Darcy、Poisson、Helmholtz 等七族偏微分方程的完整计算结果,供科学机器学习模型评估使用。
见LICENSE文件 偏微分方程基准数值解数据集科学机器学习

PDE-OBS 偏微分方程模型

通用科学ML/ScientificML
提供PDE-OBS偏微分方程模型资源,面向基于偏微分方程的物理建模与科学计算场景。
见LICENSE文件 偏微分方程科学机器学习模型资源

PDE-OBS 偏微分方程数值记录数据集

通用科学ML
汇集基准中七类偏微分方程的完整数值解,涵盖达西、泊松、赫尔姆霍兹与热传导等方程。
见LICENSE文件 偏微分方程数值解科学机器学习

PDE符号候选解验证基准数据集

通用科学ML
面向偏微分方程符号候选解的带溯源验证基准,含20条记录及生成器输出、验证案例与人类注释,用于评估符号求解器的可靠性。
见LICENSE文件 偏微分方程符号求解基准测试

PDE求解器代码扰动评估数据集

通用科学ML
包含256个PDE求解器实现的代码扰动数据集,含64个基准程序及其4种词法扰动变体,用于评估LLM对物理仿真代码的理解能力。
见LICENSE文件 PDE求解器代码扰动LLM评估

PDEArena

PDE 基准 / 可微求解
微软研究院开源的 PDE 基准套件,内置可微求解器与多类时空动力学数据,支持端到端评测神经算子与代理模型的长时滚动稳定性。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。
MIT PDE基准可微求解器

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

PDEBench 科学机器学习基准

通用科学ML / 基准评测
覆盖 12 类以上 PDE 的统一基准数据集(Takamoto et al. 2022),把「算子学习模型好不好」变成可横向对比的数字,是做模型选型前必须过一遍的标尺。
新 见 LICENSE 文件 基准数据集神经算子

PDEControl_DPC - TI-DeepONet 训练数据集

通用科学ML
PDE 控制仿真训练数据集,包含 TI-DeepONet 代理模型所需的 3000 条控制轨迹,源自随机控制序列下的经典数值求解器。
见LICENSE文件 PDE控制DeepONet神经算子

PETSc

数值求解库 / HPC
阿贡国家实验室维护的高性能科学计算库,提供大规模线性/非线性方程组求解与并行基础设施,是高端 CFD 与多物理场仿真的底层求解核心,BSD-2-Clause 商用友好。
新 BSD-2-Clause 求解器线性代数稀疏矩阵

PHASE:不可压缩磁流体力学的多状态建模

通用科学ML/ScientificML
PHASE通过可复用解算子与残差误差校正,跨参数范围建模不可压缩磁流体力学多尺度动力学。
见LICENSE文件 磁流体力学代理模型多状态建模

PhiFlow 可微分 PDE 求解框架

流体/CFD / 框架教程
TUM 开发的可微分流体仿真框架,仿真直接跑在 PyTorch/JAX/TensorFlow 张量上,梯度穿过求解过程,是「用仿真做可微分物理引擎」的代表作。
新 MIT 可微分仿真流体PyTorch

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

Physics-informed Neural Network CFD

PINN/CFD
基于HuggingFace的物理信息神经网络CFD模型仓库,提供将物理约束嵌入神经网络进行计算流体力学建模的方法。模型实现 RANS 方程 PINN 训练 pipeline,含湍流模型混合项处理,可直接用于 2D 简单外流 CFD 复现。
见LICENSE文件 PINNCFD物理信息神经网络

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

PhysicsNeMo v2.2.2

物理模拟
NVIDIA PhysicsNeMo v2.2.2 发布,修补了文档与 PyPi 包名不一致的问题,提升了安装指引的准确性。内置 PINN、神经算子与多物理约束训练范式,支持商用级工业部署与大规模 GPU 训练。
Apache-2.0 NVIDIA物理模拟深度学习

PhysicsNeMo: 基于神经算子的物理仿真框架

框架论文 / 神经算子
NVIDIA 发布的物理信息神经网络框架,基于神经算子(FNO/DeepONet/AFNO)提供端到端可微分物理仿真流水线,支持多 GPU 训练与部署。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。
Apache-2.0 NVIDIA神经算子框架

PINN from Scratch

入门教程
从零实现物理信息神经网络的中文结构化教程,以一维热传导为基准问题逐章推进:机器学习基础、分离变量法、有限差分与有限元对照、PINN 模型构建与优化器对比、GMM 与课程学习进阶策略,以及 locELM、随机特征法与 RaNN 等拓展建模方法。MIT 许可,适合作为物理 AI 入门首选框架。
新 MIT PINN教程入门

PINN热方程求解器

PINN
基于物理信息神经网络(PINN)的热传导方程求解工具,通过神经网络嵌入热传导物理定律进行温度场预测。模型在热传导方程正/反问题均验证,支持 1D/2D/3D 几何与不规则边界 PINN 训练,附 TensorBoard 可视化。
见LICENSE文件 物理信息神经网络热方程热传导

Pinocchio

刚体动力学算法库 / 机器人运动学与动力学计算引擎
Inria 与 LAAS-CNRS 联合开发的刚体动力学算法库,基于 Featherstone 算法提供运动学、动力学与解析导数,BSD-2-Clause,被 Crocoddyl、TSID、HPP 等机器人框架依赖。
新 BSD-2-Clause 刚体动力学运动学机器人控制

PLAID

工业异构网格仿真
ICML 2026 工业级物理 ML 数据集,含 6 个工业异构网格仿真数据集,专为工业异构网格场景设计, 可与主流 CFD 求解器互操作。HF 仓库位于 PLAID-datasets 组织下,本条目以 AirfRANS_original 为例。
BSD-3-Clause 工业异构网格CGNS

POIL:基于点的稳定动力系统单次模仿学习

多体/Multibody
面向机器人操作,利用共享表示迁移单次示范轨迹,并提升抓取配置变化与外部扰动下的执行稳定性
见LICENSE文件 机器人操作单次模仿学习稳定动力系统

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

pymatgen 材料基因组分析工具链

材料/化学 / 工具教程
Materials Project 背后的 Python 材料分析库,晶体结构、相图、能带、态密度开箱即用,是连接第一性原理计算与机器学习工作流的标准数据层。
新 MIT 材料晶体结构相图

PythonRobotics:机器人算法 Python 代码集与教科书

机器人算法 / 学习代码集
PythonRobotics 是 Atsushi Sakai 维护的机器人算法 Python 代码集与在线教科书,覆盖定位、建图、SLAM、运动规划、轨迹跟踪与机械臂导航,以最小依赖、易读实现成为机器人入门与算法对照的事实标准。
新 MIT 机器人算法运动规划SLAM

PyTorch Geometric

图神经网络框架
基于 PyTorch 的图神经网络库,以消息传递范式统一图卷积、异构图、点云与图检索增强生成能力,用于网格物理仿真代理模型与分子材料建模。
新 MIT 图神经网络消息传递PyTorch

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

Q

计算流体动力学的量子算法

流体/CFD
综述量子算法求解计算流体动力学偏微分方程的方法,涵盖全量子与混合量子经典路线。
见LICENSE文件 计算流体动力学量子算法偏微分方程

面向多频里德伯电测的量子硬件谱协同设计框架

量子/量子化学
将制造约束的SPSA-Adam优化器直接耦合至全波有限元本征模仿真,实现量子系统频谱协同设计,无需解析或伴随梯度即可优化多频里德伯电测硬件。
见LICENSE文件 量子硬件谱协同设计里德伯电测

R

黎曼流形切向量场回归的同步统计推断方法

通用科学ML
提出黎曼流形上切向量场回归的核估计器,通过并行传输与体积校正实现非参数估计,推导其二阶偏差与随机收敛速率。
见LICENSE文件 黎曼几何切向量场非参数估计

卫星间光链路的接收端物理信息残差数字孪生

电磁/Electromagnetics
面向卫星间光链路的接收端物理信息残差数字孪生,结合高斯光学与光电四象限探测器物理模型,利用自回归岭模型学习状态转移误差,实现残余视线运动的高精度预测补偿。
见LICENSE文件 卫星光通信物理信息数字孪生视线运动补偿

RAI

具身 AI 智能体框架 / ROS 2 机器人开发框架
RobotecAI 开源、与厂商无关的具身 AI 智能体框架,基于 ROS 2 让机器人理解自然语言、规划并执行复杂任务,支持语音交互与仿真评测。
新 Apache-2.0 具身AI智能体框架ROS 2

RoboCasa

大规模家庭操作仿真框架 / 通才机器人训练与基准
UT Austin 与 NVIDIA 的大规模家庭操作仿真框架,RoboCasa365 版提供 365 任务、2500+ 厨房场景、600+ 小时人类演示与 1600+ 小时合成演示,用于通才机器人的系统化基准。
新 MIT 机器人仿真具身智能合成数据

RoseTTAFold:三轨网络驱动的蛋白质结构与相互作用预测

生物医学 / 结构预测
华盛顿大学 Baker 实验室的三轨网络结构预测系统,1D 序列、2D 距离图与 3D 坐标三轨并行迭代,2021 年发表于 Science 并开源;代码 MIT,权重按 Rosetta-DL 许可仅限非商业研究。
新 代码为 MIT;训练权重与数据按 Rosetta-DL 软件许可仅限机构内部非商业研究使用 蛋白质结构预测三轨网络深度学习

S

半导体 TCAD 代理模型:以 FP-DDM 域分解与刻蚀代理为例

半导体 / 器件与工艺仿真
以 NVIDIA PhysicsNeMo 的 tcad/fp_ddm 示例与 DAC 2026 论文为主线,核对芯片级热-应力域分解代理的真实能力边界,并对照 SK hynix 刻蚀工艺代理的一手方法学。
新 Apache-2.0(PhysicsNeMo 仓库);DAC 2026 论文版权归作者 半导体TCAD域分解

复杂系统的随机物理约束算子推断

通用科学ML/ScientificML
面向含加性噪声的二次非线性系统,从数据学习随机微分方程,并可用于湍流降阶建模。
见LICENSE文件 随机算子推断随机微分方程降阶模型

混合CNN与Transformer的太阳耀斑预测研究

电磁/Electromagnetics
提出混合CNN-Transformer架构预测太阳耀斑等级,基于太阳大气磁能释放物理过程,实现C/M/X级耀斑预警。
见LICENSE文件 太阳耀斑太阳磁场空间天气

基于采样代价的近瞬时潜空间贝叶斯优化方法

通用科学ML
提出一种近瞬时潜空间贝叶斯优化方法,通过采样代替传统顺序决策的昂贵计算开销,适配生成式模型驱动的逆设计流程。
见LICENSE文件 贝叶斯优化潜空间优化生成式设计

孟买 Sentinel 混合物理信息神经网络模型

通用科学ML/ScientificML
面向孟买场景的混合物理信息神经网络模型资源,以Keras承载科学计算中的PINN建模实现。
见LICENSE文件 物理信息神经网络混合PINNKeras模型

神经网络反馈系统的可扩展增量鲁棒性分析

通用科学ML
提出统一可扩展框架,通过结构化分解结合SDP证书与增益分析,实现含高维神经网络与未建模动态的反馈系统鲁棒稳定性与性能分析。
见LICENSE文件 神经网络验证鲁棒控制半定规划

稳定构造:用于长时间PDE预测的变分潜在马尔可夫算子

通用科学ML
提出变分潜在马尔可夫算子框架,通过将物理状态编码为潜在分布并通过概率转移演化,解决神经PDE求解器在长时间预测中的误差累积与分布漂移问题。
见LICENSE文件 神经PDE求解器变分方法马尔可夫动力学

稀疏连接秩启发神经网络

通用科学ML/ScientificML
面向通用偏微分方程数值求解的稀疏秩启发网络,以正交归一损失促进神经基与矩阵秩渐进增长。
见LICENSE文件 科学机器学习偏微分方程求解稀疏连接神经网络

Science Materials 数据集

材料/Materials
HuggingFace 上托管的材料科学数据集,用于支持机器学习与材料科学交叉研究,数据集包含相关领域训练或评测样本。
见LICENSE文件 材料科学数据集机器学习

Sentinel Mumbai 物理信息神经网络 v1

通用科学ML/ScientificML
面向通用科学计算物理场的物理信息神经网络模型,将物理约束与机器学习结合用于物理建模。
见LICENSE文件 物理信息神经网络科学计算物理建模

SINO:尺度不变神经算子

通用科学ML
面向偏微分方程求解的尺度不变神经算子,通过低秩参数化建模粗网格缺失的未解析物理与闭合机制。
见LICENSE文件 尺度不变神经算子偏微分方程物理闭合

Spherical Fourier Neural Operators

神经算子/Neural Operator
基于球面傅里叶变换的神经算子模型(Spectral球面调参工具),用全局谱卷积替代网格卷积,处理球面几何数据上的偏微分方程学习任务,适用于气候、气象、全球大气模拟等场景。
other 神经算子傅里叶神经算子球面数据

SPUS PDE-UNet-36M Navier-Stokes PWC 模型

CFD
基于 UNet 架构的 36M 参数 Navier-Stokes 方程求解器模型,采用 PWC(逐点耦合)策略实现流场高精度预测。
见LICENSE文件 Navier-StokesPDE求解UNet

SPUS-PDE-UNet-36M Navier-Stokes监督学习模型

CFD
基于U-Net架构的36M参数监督学习模型,专注求解Navier-Stokes流体力学偏微分方程,发布于HuggingFace模型库。
见LICENSE文件 偏微分方程Navier-StokesU-Net

Steel

GPU 刚体动力学求解器 / Newton 物理引擎的异构批量仿真后端
Skild AI 与 NVIDIA 联合开源、贡献给 Newton 的 GPU 刚体动力学求解器,面向不同机器人与任务混合的批量仿真;官方基准给出 20 项任务 3.8 倍于 PhysX 的几何均值吞吐。
新 Apache-2.0(Steel 与 Newton 源码;Newton 文档为 CC BY 4.0,随附资产另有条款) 刚体动力学物理引擎机器人仿真

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

SU2 气动外形伴随优化:离散伴随与连续伴随的工程选择

航空航天 / 优化设计
以离散伴随与连续伴随双路线求解气动外形梯度,覆盖翼型、机翼与汽车外形的参数化选择、梯度验证与减阻数据,可作为代理模型训练的教师信号与高保真对照。
新 LGPL-2.1 气动优化伴随方法CFD

SuperMimic

人形机器人全身运动控制 / 可微分世界模型训练框架
UC Berkeley 开源的人形机器人全身运动控制框架,以一个可微分世界模型把学习成本分摊到全部动作,单卡 3 小时超越 128 卡 7 天基线,获 CoRL 2026 最佳论文。
新 Apache-2.0 物理仿真人形机器人运动模仿

T

二元椭球粒子混合物中的两阶段有序动力学

Materials
通过大规模分子动力学模拟,研究二元单轴椭球粒子混合物在Gay-Berne势下的非平衡相序动力学,揭示两阶段有序过程的时序特征。
见LICENSE文件 分子动力学相序动力学各向异性势

刚性弦振动的物理信息神经网络研究

结构/Structural
研究PINNs模拟一维线性刚性弦横向振动的有效性,将PDE及初始边界条件直接嵌入神经网络损失函数。
见LICENSE文件 物理信息神经网络刚性弦振动固体力学

基于Transformer神经算子的复杂山地3D风场预测

流体/CFD
针对复杂山地地形的三维风场预测难题,提出基于Transformer的神经算子方法,突破传统CFD依赖专家密集网格生成和高成本迭代求解的瓶颈。
见LICENSE文件 神经算子风场预测Transformer

利用物理信息神经网络求解广义相对论

通用科学ML/ScientificML
研究将物理信息神经网络用于求解爱因斯坦广义相对论方程,探索无预设网格的连续时空解表示。
见LICENSE文件 物理信息神经网络广义相对论爱因斯坦方程

三重可扩展等变高斯过程建模

通用科学ML
提出三重可扩展的等变高斯过程方法,在编码对称性的同时保持概率预测与不确定性量化能力,适用于大规模科学计算问题。
见LICENSE文件 高斯过程等变神经网络不确定性量化

时变形状超材料界面研究

电磁/Electromagnetics
研究通过圆柱形夹杂物几何突变实现超材料时空调制,建立时变散射分析-数值框架,探索电磁超材料动态调控新途径。
见LICENSE文件 超材料时空调制电磁散射

托卡马克等离子体磁约束控制:强化学习在真实聚变装置上的闭环验证

能源 / 聚变控制
以瑞士 TCV 托卡马克为对象,用深度强化学习直接控制 19 个磁线圈,在 10 kHz 实时频率下实现位形、雪花偏滤器与双液滴等约束,是仿真到真实硬件闭环最完整的公开案例之一。
新 论文版权归作者所有;算法与软件库依各自开源许可 聚变强化学习等离子体控制

LVAD治疗患者瓣膜修复的血流动力学计算建模研究

生物医学工程/血流动力学
针对左心室辅助装置(LVAD)治疗中瓣膜功能障碍问题,构建患者特异性图像驱动的计算建模框架,评估二尖瓣和主动脉瓣修复的血流动力学影响。
见LICENSE文件 血流动力学左心室辅助装置瓣膜修复

PyBaMM 电池多物理场建模框架:从表达式树到实验协议

储能电池 / 电化学仿真
以 PyBaMM 官方文档、源码与发布策略为主线,核对这套电池建模框架的模型谱系、求解器、参数集、版本策略与工程边界,并厘清它与数字孪生、机器学习结合的真实接口位置。
新 BSD-3-Clause 锂电池电化学模型DFN

Scott-Vogelius元在Freudenthal网格上对k≥4的inf-sup稳定性证明

结构/Structural
本文在三维Freudenthal网格上证明了Scott-Vogelius元对k≥4满足inf-sup稳定性条件,完善了该经典混合有限元方法的理论框架,适用于Stokes问题的散度自由数值求解。
见LICENSE文件 有限元方法Stokes问题inf-sup稳定性

Taichi Lang

物理仿真 DSL
面向高性能数值计算的 Python 嵌入式并行编程语言,以 LLVM JIT 编译逐元素核函数,提供稀疏数据结构与自动微分,原型期实现可微物理仿真的常用工具。
新 Apache-2.0 物理仿真可微编程DSL

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

The Well:面向物理基础模型的多领域基准

必读基准论文
提出覆盖 16 个物理领域的统一基准,论证「跨领域预训练」对物理 ML 的增益,是物理基础模型方向必读论文。数据集覆盖 16 物理领域、2000+ 仿真,统一接口与评估协议,论证跨领域预训练对 PDE 代理的迁移增益。
论文(详见发表页) 基准物理基础模型综述

Therm-FM:基础模型全能搞定3D-IC热仿真

热传导/热管理
Therm-FM提出将预训练PDE基础模型适配到3D-IC稳态与瞬态热传导仿真,降低逐设计从头训练的数据生成成本。
见LICENSE文件 3D-IC热仿真神经算子PDE基础模型

TIDE

3D 湍流(DNS 验证)
2026 年发布的 3D 湍流 DNS 基准数据集,含 5 个任务与受控泛化切分,专用于评测湍流模型的外推能力。数据集含 Reτ = 1000–10000 平板湍流与各向同性湍流,专为评估外推能力设计,受控 train/test 切分避免数据泄露。
MIT 湍流DNS3D

TopoDiff:扩散模型驱动的拓扑优化生成与评测口径

结构优化 / 生成式设计 / 条件扩散
MIT DeCoDe Lab 的 TopoDiff 条件扩散拓扑优化方法,含 3.3 万样本双层测试集、代理模型引导与逐项指标定义。本文复核 8 倍与 11 倍结论的真实口径,并记录推理耗时、3D 扩展与后续工作。
新 CC BY 4.0(arXiv 版本);正式发表于 AAAI 2023 拓扑优化扩散模型生成式设计

Transolver 即线性 Transformer:重新审视物理注意力

原创研究论文
把 Transolver 的 Physics-Attention 重新形式化为线性注意力的特例,提出 LinearNO(线性注意力神经算子);在 6 个标准 PDE 基准上达到 SOTA 同时参数平均降低 40.0%、计算成本降低 36.2%,并在 AirfRANS 与 Shape-Net Car 等工业级数据集上表现优异。
arXiv 预印本(版权归作者) 神经算子Transformer线性注意力

Transolver:面向大规模工业几何的 Transformer 求解器

前沿论文
提出物理注意力机制,把离散网格投影到可学习的物理状态令牌上做注意力,显著提升 PDE 求解在大规模工业几何上的效率与精度。CGNS 兼容 HF+Zarr 分发,专为工业异构网格场景设计,可与主流 CFD 求解器互操作。
arXiv 预印本(版权归作者) Transformer几何工业

TU Delft 垂直轴风机阵列尾流数据集

湍流尾流 / 实验测量与 CFD 验证
TU Delft 在开放喷流风洞(OJF)用体视粒子跟踪测速(PTV)测得的 3×3 九台 H 型垂直轴风机阵列三维尾流场,覆盖基准、正桨距与负桨距三种工况,是湍流尾流与 尾流控制研究的实测基准。
CC BY 4.0 湍流尾流钝体绕流

TubeLab:管乐器内腔逆向设计与声学仿真工具

声学
基于浏览器的无音孔管乐器内腔声学仿真与逆向设计工具,采用传输矩阵法求解正问题,伴随法单次反向传播计算雅可比矩阵进行正则化最小二乘优化。
见LICENSE文件 声学仿真管乐器设计逆向设计

U

解开射频感知频谱图中几何与速度的纠缠

电磁/Electromagnetics
提出一种可物理解释的射频感知方法,通过解耦反射体速度与感知几何关系,联合恢复多普勒脊的速度、几何因子、相对幅度和宽度,提升非约束真实场景的适用性。
见LICENSE文件 射频感知多普勒电磁传感

宇树UnifoLM-WLA-1.0通用人形机器人基础模型

具身智能/机器人大模型
宇树科技发布6B参数通用具身智能模型UnifoLM-WLA-1.0,约2500小时真机训练,在具身推理领域取得7项开源SOTA。通过半群数据增强从单条轨迹挖掘大量训练对,是 PDE 基础模型方向的代表性工作。
见LICENSE文件 具身智能人形机器人基础模型

U-bend 弯管流热耦合数据集

热流耦合 / 参数化仿真
德国卡塞尔大学发布的 10,000 组参数化 U 型弯管共轭传热仿真,每组由 28 个设计 参数定义,并同时提供参数向量、多分辨率二维图像与网格单元值三种表示,适合换热器形状 优化与代理模型训练。
CC BY-NC 4.0 换热器弯管热耦合

U(1)规范等变的布洛赫态表示学习

材料/Materials
面向凝聚态布洛赫态提出U(1)规范等变表示学习框架,显式处理每个电子态的规范冗余。
见LICENSE文件 布洛赫态表示规范等变学习凝聚态电子结构

V

多运营商共享基站邻近建筑RF-EMF暴露垂直评估

电磁/Electromagnetics
该研究对临近多运营商共享基站20层建筑的各楼层RF-EMF暴露进行评估,揭示天线垂直覆盖区域中心暴露最高达31.86 V/m。
见LICENSE文件 电磁场测量基站暴露RF-EMF评估

W

风电场气动弹性仿真与尾流控制:从 OpenFAST 到强化学习的可核实链路

风电 / 多物理场仿真 / 尾流控制
以 OpenFAST 模块化气动弹性仿真、FAST.Farm 多机尾流模型、FLORIS 工程尾流模型与 IEA Wind 参考机型为主线,复核风电物理 AI 的可核实链路与失效边界,并逐条核对原条目的口径来源。
新 Apache-2.0(OpenFAST、FAST.Farm、FLORIS 与 IEA Wind Task 55 参考模型) 风电气动弹性尾流控制

格子玻尔兹曼法中矩基何时重要

流体/CFD
分析格子玻尔兹曼中心矩方案中矩基正交化是否影响格式,结论由速度集几何决定,两基仅当交换子条件成立时等价。
见LICENSE文件 格子玻尔兹曼方法中心矩格式矩基正交化

WEC-Sim 波浪能转换器水动力仿真:把多体动力学与频域边界元接进物理 AI 工作流

海洋能 / 多体动力学
NREL 与 Sandia 主导的开源波浪能仿真框架,用 Simulink/Simscape Multibody 耦合频域边界元水动力系数、卷积积分、系泊与六自由度控制;为海洋能装置设计、控制验证与代理模型训练提供可复现的时域真值。
新 Apache-2.0(Sandia LLC 与 NTESS,2014,美国政府在合同 DE-NA0003525 下保留部分权利) 波浪能水动力多体仿真

#

32wind-CFD 数据集

CFD/计算流体力学
HuggingFace平台上的计算流体力学(CFD)数据集,聚焦风场相关流体仿真数据,供CFD研究者与工程师使用。数据集为 HF 社区维护的风场相关 CFD 仿真集合,提供 CSV / NetCDF 等多格式下载,适合数据驱动代理模型教学。
apache-2.0 计算流体力学风场仿真CFD数据集

← 全部标签