代理模型降阶建模PODROM

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。

更新于 2026年11月3日 共 67 个资源
导语

为什么做这个合集

把高精度求解器换成能在秒级返回的近似模型,已经从论文技巧变成工程刚需。但「代理模型」这个说法背后其实是四条不同的技术路线,选错了方向,几个月的时间会白投:

  • 数据驱动代理模型:用神经网络拟合高保真求解器的输出,追求的是黑箱精度与推理速度。
  • 降阶建模(POD / ROM):从快照数据里提取低维基底,物理内涵更强,可解释性更好。
  • 算子学习与低维动力学:直接学习「解算子」或用 DMD / SINDy 抽取动力学模态,绕开网格。
  • Koopman / 本征动力学:把非线性系统嵌入线性流形,用谱方法分析长期行为。

本合集按这四条路线分组,每组给出代表工具、关键论文与可用的数据集。先明确你要解决的是「加速单点求解」还是「描述参数化族的响应面」,再进入对应分组,能省掉大量试错。

本合集与站点的「行业专题」互补:行业专题回答「某个行业在用什么」,本合集回答「这些方法本身长什么样」。

数据驱动代理模型 30 个资源

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

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

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

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

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

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
💬 编辑点评: 外流场代理模型 + 风洞数字化的完整工业流程参考,适合作为落地模板对照

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
💬 编辑点评: 油藏数值模拟的 AI 加速是代理模型在能源领域的规模化案例,能看到真实算力约束下的取舍

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

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

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

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

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

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

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

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

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

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

降阶模型与 POD / ROM 16 个资源

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
💬 编辑点评: 卷积算子压缩的思路值得注意:把降阶模型本身做成可微算子,便于与其它环节联合优化
💬 编辑点评: 直接对比自编码器与数值分析启发流形学习 —— 想清楚「自编码器降维」和「POD 降维」差在哪,这篇是最佳参照

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
💬 编辑点评: 从信息论角度给出降阶模型的可预测性边界,是判断「这个问题能不能降阶」的先验判据

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

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

算子学习与低维动力学 9 个资源

💬 编辑点评: PRONE 把 DMD、SINDy 与 Koopman 统一到 Petrov–Galerkin 框架下,想理清这三条线的关系就看这篇

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
💬 编辑点评: DMD 与神经算子的结合体,适合已经在用动态模态分解、想往数据驱动方向迁移的读者

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

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

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

数据集与基准 6 个资源

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

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

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
💬 编辑点评: 代理模型专用基准数据集,跨 PDE 统一评测,评估方法泛化能力时的首选

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

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
💬 编辑点评: 翼型 RANS 全工况数据,代理模型训练的标准入门集,配套案例与论文都多

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

教程与综述 6 个资源

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

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
💬 编辑点评: 如果分不清代理模型与 PINN 的适用边界,先读这份路线图,它把整条技术谱系铺开了

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

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 —— 严格说属于神经算子,但它是「学算子」路线的奠基作,与降阶建模同源

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