专题合集
编辑策划的 Physics-AI 专题与学习路径,每组合集附导语与编者点评
★ 精选 ★ 精选
PINN 物理信息神经网络入门
从原理到落地的 PINN 学习路径与工具合集,涵盖经典论文、主流求解器与代表性案例。
物理 AI 学习路径
从数值方法地基到神经算子进阶的四阶段学习路径,覆盖 15 篇教程与综述,为零基础到工业落地提供循序渐进的阅读顺序。
不确定性量化与贝叶斯反演
面向物理场景的不确定性量化与反问题合集:UQ 方法、贝叶斯推断与反演、数据同化与集合同化、贝叶斯优化,并附后验评测基准。
代理模型与降阶建模
按方法路线组织的代理模型与降阶建模合集:数据驱动代理模型、POD/ROM 降阶、算子学习与低维动力学,配齐基准数据集与入门综述。
多物理场耦合仿真
多物理场耦合仿真的方法与工具合集:支持耦合的求解框架、典型耦合算例与数据集,以及流固耦合与参数化耦合建模的代表性论文。
数值方法与 PDE 求解器
从离散化理论到工业求解器的完整链路:FEM / FVM / 谱方法、OpenFOAM 与 PETSc 等生产级求解器、可微物理编程,以及前沿数值方法论文。
流体仿真工具集
覆盖传统 CFD 与深度学习代理模型的流体仿真工具链,含开源求解器、数据集与前沿论文。
物理基础模型
面向物理场景的基础模型合集:通用机器学习势、跨领域预训练的基础模型与微调方案,以及多领域评测基准与年度综述。
神经算子
系统梳理神经算子方法族:从 DeepONet / FNO 奠基作,到可微框架实现、物理先验变体、数据集基准与工程落地案例的完整技术图谱。
高性能计算与 GPU 加速
把物理仿真跑快的工程合集:GPU 加速求解器与可微内核、并行计算与大规模求解、内存与算力效率优化,以及底层工具链。