学习路径

从入门到工业落地的学习资源

按标签筛选:

20 条资源

哈佛 CS249r 机器学习系统开放教科书(四卷本)

教材 / 系统课程
哈佛 CS249r 开放教科书系列(共四卷),系统讲解机器学习系统从基础执行、分布式扩展到代理式 AI 与物理 AI 的构建原理,附可运行 Python 实验与教学工具。
新 CC BY-NC-ND 4.0(教科书正文);Labs/Slides 为 CC BY-NC-SA 4.0 教材机器学习系统物理AI

PythonRobotics:机器人算法 Python 代码集与教科书

机器人算法 / 学习代码集
PythonRobotics 是 Atsushi Sakai 维护的机器人算法 Python 代码集与在线教科书,覆盖定位、建图、SLAM、运动规划、轨迹跟踪与机械臂导航,以最小依赖、易读实现成为机器人入门与算法对照的事实标准。
新 MIT 机器人算法运动规划SLAM

PINN from Scratch

入门教程
从零实现物理信息神经网络的中文结构化教程,以一维热传导为基准问题逐章推进:机器学习基础、分离变量法、有限差分与有限元对照、PINN 模型构建与优化器对比、GMM 与课程学习进阶策略,以及 locELM、随机特征法与 RaNN 等拓展建模方法。MIT 许可,适合作为物理 AI 入门首选框架。
新 MIT PINN教程入门

CFD Python:12 步走进 Navier-Stokes

流体/CFD / 入门教程
Lorena Barba 团队经典教材「12 Steps to Navier-Stokes」,用 12 个 Jupyter Notebook 从零构建一维线性对流到二维 NS 与通道流求解器,是全球 CFD 入门的事实标准。
新 见 LICENSE 文件 CFD有限差分入门

Clawpack 双曲问题有限体积求解包

流体/CFD / 框架教程
LeVeque 团队的有限体积软件包,Godunov 类格式求解双曲型方程,覆盖激波、海啸、油藏与地震波场景,是守恒律数值方法的标准教学与科研工具。
新 BSD-3-Clause 有限体积双曲方程激波

Dedalus 谱方法微分方程求解框架

通用科学ML / 框架教程
用符号化方式构建谱方法求解器的 Python 框架(Burns et al. 2020),在流体动力学、等离子体、恒星与行星研究中广泛使用,是从 Galerkin 到可微分仿真的桥梁。
新 GPL-3.0 谱方法符号计算Python

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

FAIR Chemistry 化学机器学习工具库

材料/化学 / 框架教程
Meta FAIR Chemistry 的开源工具库(原 Open Catalyst Project),覆盖 OC20/OC22 数据集与 GemNet、eSCN、EquiformerV2 等模型,是催化与材料计算 AI 的第一站。
新 MIT 催化机器学习势图神经网络

FEniCS 有限元自动求解平台

固体/结构 / 框架教程
用接近数学记号的 UFL 语言描述变分形式,自动完成离散与求解的有限元平台,配官方教程《Automated Solution of Differential Equations》,是 FEM 学习的标准路线。
新 LGPL-3.0 有限元FEM变分形式

JAX-CFD 可微分计算流体力学

流体/CFD / 框架教程
Google 开源的可微分 CFD 代码库,把谱方法求解器搬进 JAX,让梯度穿过整个流场仿真,是学习「可微分仿真 + 机器学习湍流建模」的标准入口。
新 Apache-2.0 JAX可微分仿真CFD

NeuralPDE.jl Julia 科学机器学习求解器

通用科学ML / 框架教程
Julia SciML 生态的 PINN/DeepONet/NeuralOperator 统一求解库,与 DifferentialEquations.jl 无缝互操作,GPU 与自动微分开箱即用,适合 Julia 技术栈团队。
新 MIT JuliaPINNSciML

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

PhiFlow 可微分 PDE 求解框架

流体/CFD / 框架教程
TUM 开发的可微分流体仿真框架,仿真直接跑在 PyTorch/JAX/TensorFlow 张量上,梯度穿过求解过程,是「用仿真做可微分物理引擎」的代表作。
新 MIT 可微分仿真流体PyTorch

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

pymatgen 材料基因组分析工具链

材料/化学 / 工具教程
Materials Project 背后的 Python 材料分析库,晶体结构、相图、能带、态密度开箱即用,是连接第一性原理计算与机器学习工作流的标准数据层。
新 MIT 材料晶体结构相图

计算流体动力学的量子算法

流体/CFD
综述量子算法求解计算流体动力学偏微分方程的方法,涵盖全量子与混合量子经典路线。
见LICENSE文件 计算流体动力学量子算法偏微分方程

聚合物信息学超级智能路线图

材料/Materials
梳理聚合物信息学向按需逆向设计、跨化学与性能因果推理及闭环自主实验演进的技术路线图。
见LICENSE文件 聚合物信息学逆向设计自主实验

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
1–20 / 37
跳至 页