神经算子DeepONetFNO算子学习

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。

更新于 2026年11月3日 共 83 个资源
导语

为什么做这个合集

PINN 为每一个待求解的方程单独训练一个网络;神经算子换了个思路 —— 直接学习「解算子」本身。同一个网络训练一次,就能解一族不同边界条件、不同参数、不同几何的 PDE。

这个转变带来的收益很直接:一个参数化问题的响应面只需训练一次,之后每个新工况都是前向推理。这正是代理模型与降阶建模在工程上最有价值的形态。

但神经算子内部已经分化出多条技术路线,选型时需要看清差别:

  • 分支结构:DeepONet 的分支-主干结构 vs FNO 的谱域结构,后者天然网格无关。
  • 物理先验的注入方式:把守恒律、耗散性写进架构(GENERIC-FNO),还是把物理约束写进损失。
  • 几何处理:算子如何在变几何、变网格上保持精度。
  • 工程化:算力开销、内存占用、与现有求解器的接口。

本合集按这四条线索分组,从奠基论文一路排到工业部署案例。若你正在评估「该不该从 PINN 转向神经算子」,先看「教程与综述」组,再直接跳到「方法前沿与变体」组。

奠基论文 2 个资源

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
💬 编辑点评: FNO 原文:网格无关特性来自谱域参数化,是当前最被广泛采用的算子学习基线

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
💬 编辑点评: DeepONet 原文:分支-主干结构开启了「学算子」这条路线,与 FNO 构成两大主流范式

框架与实现 8 个资源

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

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

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

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

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

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
💬 编辑点评: NVIDIA PhysicsNeMo 框架,把神经算子做成工业级模块,算力调度与部署路径都已打通

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
💬 编辑点评: 官方 NeuralOperator 库,支持 FNO / DeepONet / TNO 等多种算子,是跑通基线的首选实现

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

方法前沿与变体 57 个资源

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

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

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

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

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

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
💬 编辑点评: GENERIC-FNO 把能量守恒与熵产写进架构 —— 关心「物理约束写进结构而非损失」这条路线必读

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
💬 编辑点评: 增量神经算子解决长时域递推的误差累积问题,是把算子用于多步演化的关键设计
💬 编辑点评: 自适应记忆门控机制,针对长时预测的漂移问题,算力友好、改造代价低

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

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

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

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

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
💬 编辑点评: Transolver 重新审视物理注意力机制,挑战「Transformer 算子」的默认结构假设

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

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

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

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

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

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

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

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

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

数据集与基准 4 个资源

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
💬 编辑点评: CFDBench 提供统一的多场景 CFD 基准,评测算子在不同流态下的泛化表现

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

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

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

教程与综述 10 个资源

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

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
💬 编辑点评: 工程视角的对比实验:在 Poisson 与线弹性问题上横向比架构,并演示作为贝叶斯反演代理的用法

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
💬 编辑点评: 系统梳理 DeepONet / FNO 的理论、架构与误差分析,理解无限维映射最合适的查阅材料

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

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

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

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

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

工业级应用 2 个资源

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

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
💬 编辑点评: FourCastNet 是神经算子少有的规模化工业部署,展示了全球天气级数据上的可行性