最近更新

按更新时间排序的最新 100 条

DeepCAD:基于深度生成网络的 CAD 模型序列学习

生成式 CAD / 几何深度学习
DeepCAD 把 CAD 建模重定义为命令序列的生成问题,用自编码器学习隐空间并在其上训练潜空间 GAN(WGAN-GP)实现随机生成与编辑,是生成式 CAD 领域被引最高的基线,位于设计—仿真流水线上游。
新 MIT 生成式CAD几何深度学习CAD序列

FEniCS / FFCx

有限元框架 / 多物理场
基于有限元方法(FEM)的开源多物理场仿真框架,用 UFL 描述变分问题、底层自动生成高效 C++ 离散代码;是固体力学与多物理场耦合的学术标准工具,也可作代理训练的高保真对照。
新 LGPL-3.0 有限元FEM多物理场

JAX-CFD

可微流体求解器
Google Research 基于 JAX 的可微不可压流体求解器,整条时间推进可微、可在 GPU/TPU 上 JIT;PNAS 2021 提出学习型插值取得同等精度下约 80×/40× 加速,现已停止维护,宜作研究原型与对照。
新 Apache-2.0 JAX可微物理CFD

JAX-Fluids

可微 CFD 求解器
基于 JAX 的全自动可微 CFD 求解器,支持 CPU/GPU/TPU,专注端到端可微流体仿真,可与神经网络无缝耦合做梯度反传,是科学机器学习中可微物理的代表。
新 GPL-3.0 JAX可微CFD可微物理

CADFit:基于混合优化的精确网格到 CAD 程序生成

网格到CAD / 逆向工程
CADFit 以 IoU 驱动的混合优化,从水密网格逐步拟合并校验可执行的 CadQuery 构造程序(挤出/旋转/倒圆/倒角/布尔),还原可编辑参数化 CAD,支持点云与图像到 3D 多模态输入,与 CAE 工作流强相关。
新 CC BY-NC 4.0(非商业,学术与科研用途;商业用途须联系作者授权) 网格到CAD逆向工程CadQuery

JAX

可微数值计算框架
Google 开源的 NumPy 风格数值计算库,以 XLA 编译、自动微分与函数式变换为核心,是 JAX-CFD、JAX-Fluids 等可微求解器与神经算子的底层算力底座。
新 Apache-2.0 自动微分XLA数值计算

MuJoCo

通用物理引擎 / 接触动力学求解器与机器人仿真后端
Google DeepMind 维护的开源物理引擎,以广义坐标与软凸接触求解支撑机器人、生物力学与强化学习;含 MJCF、MJX、MuJoCo Warp 与 4.0 新特性。
新 Apache-2.0(源码;doc 目录文档、图片与视频为 CC BY 4.0) 物理引擎接触动力学机器人仿真

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

OpenFOAM

通用 CFD 求解器
开源 CFD 求解器与物理 AI 数据底座:讲清原理、算例结构、上手路径、横向对比、成本口径与失效边界,说明何时该用它生成语料、校验代理模型。
新 GPL v3 CFD开源求解器

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

PyVista

可视化 / 后处理
VTK 的 Python 三维可视化与网格处理框架,提供简洁 API 操作场数据、渲染网格、生成动画;是仿真结果后处理、ML 数据集构建与质量检查的实事标准,被 FEniCSx/PyMAPDL 等用作输出层。
新 MIT 可视化VTK网格

SU2

气动 / 设计优化求解器
开源 CFD 与离散伴随(adjoint)求解器,内置气动外形优化;以与变量数无关的梯度成本支撑 PDE 约束优化,是代理模型的高保真对照与 CAE 工业链路常用底层。
新 LGPL-2.1 CFD伴随方法气动优化

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

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

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

托卡马克等离子体磁约束控制:强化学习在真实聚变装置上的闭环验证

能源 / 聚变控制
以瑞士 TCV 托卡马克为对象,用深度强化学习直接控制 19 个磁线圈,在 10 kHz 实时频率下实现位形、雪花偏滤器与双液滴等约束,是仿真到真实硬件闭环最完整的公开案例之一。
新 论文版权归作者所有;算法与软件库依各自开源许可 聚变强化学习等离子体控制

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

HALO

人形机器人自主控制系统 / 仿真到现实运动生成系统
苹果 ML 研究团队公开的人形机器人感知—运动自主系统,全仿真数据训练、直迁宇树 G1,陌生真实环境单项任务成功率 91%。
新 Apple 自有权属许可(非 OSI 开源许可;GitHub 标注 Other/NOASSERTION,详见仓库 LICENSE) 具身AI人形机器人仿真到现实

RoboCasa

大规模家庭操作仿真框架 / 通才机器人训练与基准
UT Austin 与 NVIDIA 的大规模家庭操作仿真框架,RoboCasa365 版提供 365 任务、2500+ 厨房场景、600+ 小时人类演示与 1600+ 小时合成演示,用于通才机器人的系统化基准。
新 MIT 机器人仿真具身智能合成数据

ABC Dataset:百万级参数化 CAD 模型基准

CAD 几何深度学习数据集 / 参数化 B-rep 真值基准
CVPR 2019 发布的百万级 CAD 模型数据集,每模型由显式参数化曲线与曲面构成,提供法向、曲率、面片分割等真值,是几何深度学习与 CAD 生成研究的核心基准。
新 数据集 MIT;CAD 模型版权归各原始创作者;处理管线 GPL CAD几何深度学习B-rep

RAI

具身 AI 智能体框架 / ROS 2 机器人开发框架
RobotecAI 开源、与厂商无关的具身 AI 智能体框架,基于 ROS 2 让机器人理解自然语言、规划并执行复杂任务,支持语音交互与仿真评测。
新 Apache-2.0 具身AI智能体框架ROS 2

Frax

机器人运动学与动力学库 / JAX 自动微分控制框架
斯坦福 ASL 基于 JAX 的纯 Python 机器人运动学与动力学库,以自动微分与 JIT 提供 Pinocchio 级速度,兼容 MJX 并行,用于高性能 IK/ID 控制。
新 MIT 机器人动力学运动学自动微分

Pinocchio

刚体动力学算法库 / 机器人运动学与动力学计算引擎
Inria 与 LAAS-CNRS 联合开发的刚体动力学算法库,基于 Featherstone 算法提供运动学、动力学与解析导数,BSD-2-Clause,被 Crocoddyl、TSID、HPP 等机器人框架依赖。
新 BSD-2-Clause 刚体动力学运动学机器人控制

Steel

GPU 刚体动力学求解器 / Newton 物理引擎的异构批量仿真后端
Skild AI 与 NVIDIA 联合开源、贡献给 Newton 的 GPU 刚体动力学求解器,面向不同机器人与任务混合的批量仿真;官方基准给出 20 项任务 3.8 倍于 PhysX 的几何均值吞吐。
新 Apache-2.0(Steel 与 Newton 源码;Newton 文档为 CC BY 4.0,随附资产另有条款) 刚体动力学物理引擎机器人仿真

SuperMimic

人形机器人全身运动控制 / 可微分世界模型训练框架
UC Berkeley 开源的人形机器人全身运动控制框架,以一个可微分世界模型把学习成本分摊到全部动作,单卡 3 小时超越 128 卡 7 天基线,获 CoRL 2026 最佳论文。
新 Apache-2.0 物理仿真人形机器人运动模仿

AlphaFold:蛋白质三维结构预测的深度学习体系

生物医学 / 结构预测
DeepMind 2021 年开源的蛋白质结构预测体系,2024 年更新模型权重至 v2.3.0,含单链与多聚体两套模型、完整 MSA 检索流水线与 Amber 弛豫后处理,代码 Apache-2.0。
新 代码为 Apache-2.0;模型参数与 CASP15 预测数据为 CC BY 4.0 蛋白质结构预测深度学习多序列比对

FAIR Chemistry 与 UMA:跨域原子基础模型平台

材料与化学 / 原子级机器学习
Meta FAIR Chemistry 的集中式仓库,已从 OC20 电催化工具扩展为覆盖分子、材料、催化剂的统一平台;旗舰 UMA 以混合线性专家架构在 5 亿结构上训练,切换任务名即可服务 OC20 至 OC25 等七个体系。
新 仓库代码为 MIT(Meta, Inc.);fairchem-lammps 包在 PyPI 声明 GnuV2;UMA 权重按 gated model terms 单独授权;数据集另附各自条款 原子基础模型机器学习势电催化

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

GNoME:把材料发现从万级枚举推到百万级凸包

材料科学 / 第一性原理
Google DeepMind 的图网络材料发现系统 GNoME,通过主动学习把候选结构池推过十亿量级,用 DFT 校验后回流训练,新增 38.1 万个稳定材料条目,并附带一套可下载的凸包数据集与预训练势模型实现。
新 代码与 Notebook 采用 Apache-2.0;GNoME 数据集采用 CC BY-NC 4.0(仅限非商业用途);论文为 CC BY 4.0 材料发现图神经网络第一性原理

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

MACE 机器学习势:从等变消息传递到原子尺度基础模型

分子动力学 / 机器学习势
剑桥 Csányi 团队开源的等变图神经网络势框架,把原子团簇展开与高阶等变消息传递统一,两层交互即可高精度;已发展出 MACE-MP、MH、OMOL、POLAR 等多代基础权重,支撑从晶体到液体、气体、表面与反应体系的开箱分子动力学。
新 MIT(代码);部分权重为 Academic Software License(ASL),仅限学术用途 分子动力学机器学习势等变神经网络

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

OpenFold:可训练的 AlphaFold2 PyTorch 复现

生物医学 / 结构预测
哥伦比亚大学 AQLab 出品的 AlphaFold2 高保真可训练 PyTorch 复现,配套 OpenProteinSet 百万级序列数据库,把结构预测从一次推理变成可训练的系统。
新 代码为 Apache-2.0;DeepMind 预训练参数为 CC BY 4.0(2022 年 1 月起由 CC BY-NC 4.0 放宽) 蛋白质结构预测深度学习开源复现

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

RoseTTAFold:三轨网络驱动的蛋白质结构与相互作用预测

生物医学 / 结构预测
华盛顿大学 Baker 实验室的三轨网络结构预测系统,1D 序列、2D 距离图与 3D 坐标三轨并行迭代,2021 年发表于 Science 并开源;代码 MIT,权重按 Rosetta-DL 许可仅限非商业研究。
新 代码为 MIT;训练权重与数据按 Rosetta-DL 软件许可仅限机构内部非商业研究使用 蛋白质结构预测三轨网络深度学习

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

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

DeepXDE

PINN 入门框架
物理信息神经网络(PINN)入门框架,中文文档与示例完善,支持 TensorFlow/PyTorch/JAX/PaddlePaddle 多后端,是科学机器学习与 PDE 求解的常选起点。
新 LGPL-2.1 PINN入门中文文档

GROMACS

分子动力学模拟软件
面向生物分子的高性能分子动力学模拟套件,GPU 加速成熟并已内置神经网络势接口,是蛋白、脂质与溶剂体系模拟的主流开源工具。
新 LGPL-2.1 分子动力学生物分子GPU 加速

LAMMPS

分子动力学模拟软件
桑迪亚国家实验室主导的开源经典分子动力学引擎,覆盖材料与软物质、多尺度与自定义势,并提供 ML-IAP 等机器学习势接口。
新 GPL-2.0 分子动力学材料模拟势函数

Modin

分布式 DataFrame 库
加州大学伯克利分校出品的 pandas 兼容分布式 DataFrame 库,把同一套 pandas 代码分发到 Ray、Dask 或 MPI 集群执行,用于大规模仿真结果后处理与代理模型数据管线。
新 Apache-2.0 DataFrame并行计算大数据

NVIDIA Warp

可微 GPU 仿真框架
NVIDIA 开源的 Python 框架,把普通 Python 函数 JIT 编译为 CPU/CUDA 原生核,且每个核自动生成可微反向版本,可让梯度穿过整段物理仿真——是 Isaac Lab、Newton 等机器人/物理学习栈的底层算力。
新 Apache-2.0 可微仿真GPUJIT 编译

PETSc

数值求解库 / HPC
阿贡国家实验室维护的高性能科学计算库,提供大规模线性/非线性方程组求解与并行基础设施,是高端 CFD 与多物理场仿真的底层求解核心,BSD-2-Clause 商用友好。
新 BSD-2-Clause 求解器线性代数稀疏矩阵

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

NVIDIA ProtoMotions

GPU 加速人形机器人 / 数字人运动仿真与学习框架
NVIDIA 实验室开源的 GPU 加速仿真与学习框架,面向数字人与人形机器人的运动追踪、生成式策略与 Sim-to-Real 部署,支持 IsaacGym、Isaac Lab、Newton 与 MuJoCo 多后端。
新 Apache-2.0 物理仿真人形机器人运动生成

PyTorch Geometric

图神经网络框架
基于 PyTorch 的图神经网络库,以消息传递范式统一图卷积、异构图、点云与图检索增强生成能力,用于网格物理仿真代理模型与分子材料建模。
新 MIT 图神经网络消息传递PyTorch

Taichi Lang

物理仿真 DSL
面向高性能数值计算的 Python 嵌入式并行编程语言,以 LLVM JIT 编译逐元素核函数,提供稀疏数据结构与自动微分,原型期实现可微物理仿真的常用工具。
新 Apache-2.0 物理仿真可微编程DSL

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

NIST AM Bench 增材制造基准:带不确定度标注的金标准测量体系

增材制造 / 基准数据集
NIST 主导的增材制造基准测试系列,用受控设备、标准化测试件与盲测挑战题检验熔池、残余应力与微观组织模型,2025 年含 9 组基准、85 份挑战提交,数据集月均下载约 1670 次。
新 公开数据(美国 NIST,公共领域) 增材制造金属 3D 打印基准测试

AMGX GPU 加速代数多重网格:把线性求解内核整体搬上加速器

高性能计算 / 求解器
NVIDIA 开源的分布式代数多重网格线性求解库,提供经典 Ruge-Stüben 与未光滑聚合两套 AMG 变体、多类光滑子与 Krylov 方法,单 GPU 相对 CPU 实现有 2 至 5 倍加速,是物理仿真共用 GPU 算力的底座。
新 BSD 3-Clause(NVIDIA Corporation,2017–2024) AMGX代数多重网格GPU 加速

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

IASC-ASCE 结构健康监测基准与物理信息损伤识别

结构健康监测 / 损伤识别 / 基准数据集
IASC-ASCE 四层钢框架 SHM 基准(12/120 自由度双模型、六种损伤模式)与物理信息损伤识别方法。本文复核基准几何、噪声设定与指标口径,并纠正此前条目的悬索桥与剩余寿命等失实表述。
新 various(论文版权归作者;数据按任务组条款分发) 结构健康监测损伤识别基准数据集

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

Cantera 反应流与化学动力学:把机理、热力学与输运接进物理 AI 工作流

燃烧 / 化学动力学
加州理工学院发起、NumFOCUS 支持的开源化学动力学套件,提供热力学、详细动力学、输运、零维反应器网络与一维反应流求解;内置 GRI-Mech 3.0 等 22 套机理,为燃烧、电化学与等离子体建模、代理模型训练提供可复现的物理真值。
新 BSD 3-Clause 风格(California Institute of Technology 2001–2009、Sandia Corporation 2009、Cantera Developers 2011–2026) Cantera化学动力学燃烧

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

HydroGym:面向流动控制的强化学习基准平台

流体控制 / 主动流动控制
面向流动控制的求解器无关强化学习平台,提供 61 个已验证的二维三维环境,涵盖六类 CFD 后端。零样本迁移实验在通道流训练的策略于三维 NACA0012 机翼上取得局部表面摩擦降低约 38%、总阻力降低约 11%。
新 MIT(代码)/ Nature 论文 流体控制强化学习减阻

OpenFOAM 工业级多物理场仿真流水线:从网格生成到数据供给

通用 CFD / 工业仿真 / 数据生成
以 OpenFOAM 三条发行线为背景,复核工业多物理场流水线的真实边界:CHT 多区域耦合、v14 与 v2606 的能力差异、GPU offload 现状,以及电磁能力在主线中的实际位置。
新 GPL-3.0(三条发行线均以 GPL v3 发布) OpenFOAM有限体积工业仿真

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

PyBaMM 电池多物理场建模框架:从表达式树到实验协议

储能电池 / 电化学仿真
以 PyBaMM 官方文档、源码与发布策略为主线,核对这套电池建模框架的模型谱系、求解器、参数集、版本策略与工程边界,并厘清它与数字孪生、机器学习结合的真实接口位置。
新 BSD-3-Clause 锂电池电化学模型DFN

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

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

风电场气动弹性仿真与尾流控制:从 OpenFAST 到强化学习的可核实链路

风电 / 多物理场仿真 / 尾流控制
以 OpenFAST 模块化气动弹性仿真、FAST.Farm 多机尾流模型、FLORIS 工程尾流模型与 IEA Wind 参考机型为主线,复核风电物理 AI 的可核实链路与失效边界,并逐条核对原条目的口径来源。
新 Apache-2.0(OpenFAST、FAST.Farm、FLORIS 与 IEA Wind Task 55 参考模型) 风电气动弹性尾流控制

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

物理问答推理数据集(PhysicsQA)

通用科学ML
370 道高中物理多跳推理题,每题配完整分步解答,用于评测大模型的物理推理能力, 是 TrustAgent(AAAI 2026)改进物理推理方法所用的配套评测集。
新 Apache-2.0 物理问答物理AI推理评测

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

← 返回首页 · 按 A–Z 浏览