数据集 / 基准

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。

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。

荷兰代尔夫特理工大学发布的经典湍流尾流/方腔流实验与仿真数据集，涵盖多种钝体绕流场景，是 CFD 验证的标杆数据。

10,000 组参数化 90° 弯管流体-热耦合仿真数据，覆盖不同曲率比与雷诺数，用于换热器设计与代理模型研究。

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，CGNS 兼容，HF+Zarr 分发，与 CAE 工作流最贴合。

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。

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。

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。