标签:DeepONet

9 个条目

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

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

神经算子:从理论到应用——科学计算实践入门

综述 / 学习资料
聚焦实践的神经算子教程,覆盖 DeepONet / FNO / PCANet 的高层概念与训练策略,并在 Poisson 与线弹性问题上对比架构差异,还演示了作为贝叶斯反演代理的应用,是工程化落地的入门读物。
arXiv 预印本(版权归作者) 神经算子DeepONetFNO

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

DeepONet 深度算子网络入门

神经算子 / 入门教程
系统学习 DeepONet(深度算子网络)的理论原理与 DeepXDE 代码实现,适合需要处理多物理参数场景的 PINN 开发者。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
MIT DeepONet神经算子DeepXDE

DeepONet 原始论文

奠基性论文
以分支-主干(branch-trunk)结构实现算子通用逼近定理的深度学习版本,是最早系统提出「学习非线性算子」的架构,至今仍是主流基线。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) DeepONet神经算子奠基论文

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

← 全部标签