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

按标签筛选:

20 条资源

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
1–20 / 35
跳至 页