行业专题

地球与环境

气象气候、地震勘探、地下水与海洋方向的物理 AI 资源。

共 33 个资源

数据集 4 个资源

FuXi-CFD 数据集

计算流体力学
大规模CFD风场模拟数据集,含12000+案例,用于训练地形信息机器学习模型以重建精细尺度3D风场。数据集采用 ERA5 真实大气边界层驱动 CFD,输出 3D 风速/湍流强度场,专为地形风力评估机器学习模型设计。
见LICENSE文件 计算流体力学风场模拟机器学习

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

摩洛哥Ait Melloul站点1970-2024年日平均流量数据集

水文数据
摩洛哥Ait Melloul水文站1970至2024年日平均流量数据集,来源于摩洛哥开放数据门户,包含34行记录,以ML-ready Parquet格式提供。提供日平均流量长期记录,可用于训练水文预报代理模型或评估极端事件风险。
odbl 水文数据摩洛哥流量数据

工具 3 个资源

ClimateLearn:气候数据与机器学习的基准 Python 库

气候机器学习基准库
UCLA 机器智能组开源的 PyTorch 库,统一 ERA5、CMIP6、PRISM 数据获取、统计降尺度与时序预报的基线模型、指标与可视化,用于规模化可复现的气候机器学习基准测试。
新 MIT 气候机器学习基准

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

NVIDIA Earth-2:AI驱动的天气决策平台

流体/CFD
NVIDIA Earth-2利用AI大气模型与观测数据集成,为能源等天气敏感行业提供高分辨率天气预报与决策支持服务。
见LICENSE文件 天气预报大气建模AI气象

案例 8 个资源

NVIDIA Earth-2 工业气候预测平台

地球物理/Geophysics
NVIDIA Earth-2 平台面向能源等气象敏感行业,整合观测数据与 AI 驱动的大气模拟,实现实时气象决策支持。
见LICENSE文件 气候模拟气象预测大气物理

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

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

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

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

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

论文 18 个资源

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

混合CNN与Transformer的太阳耀斑预测研究

电磁/Electromagnetics
提出混合CNN-Transformer架构预测太阳耀斑等级,基于太阳大气磁能释放物理过程,实现C/M/X级耀斑预警。
见LICENSE文件 太阳耀斑太阳磁场空间天气

显著波高预测中单变量深度学习的极限

流体/CFD
系统比较五类深度学习模型在海洋浮标显著波高单变量预测中的表现,并揭示多浮标评估下模型差异极小。
见LICENSE文件 显著波高预测海洋浮标深度学习模型比较

用于深度平均雪崩动力学的物理信息神经网络

地球物理/Geophysics
面向山区雪崩风险评估,构建耦合Savage-Hutter深度平均颗粒流模型的PINN,并完成一维解析与二维实验验证。
见LICENSE文件 物理信息神经网络雪崩动力学深度平均颗粒流

开放边界水文图上的物理约束时空预测

地球物理
针对开放边界水文图时空预测,利用物理约束处理未观测外部强迫,提升河流入流与潮汐信号场景的预测稳定性。
见LICENSE文件 水文图预测时空预测开放边界系统