标签:PyTorch

9 个条目

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

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

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

FNO(Fourier Neural Operator)入门教程

傅里叶神经算子 / 入门教程
系统学习 Fourier Neural Operator(傅里叶神经算子)从理论到代码实现,适合希望将神经算子用于 PDE 代理模型的工程师与研究者。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。
MIT FNO神经算子代理模型

PDEArena

PDE 基准 / 可微求解
微软研究院开源的 PDE 基准套件,内置可微求解器与多类时空动力学数据,支持端到端评测神经算子与代理模型的长时滚动稳定性。配套标准化 train/test 切分与基线模型评测脚本,可直接用于学术论文公平对比。
MIT PDE基准可微求解器

The Well

多物理 / PDE · 16 领域
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。配套标准化 train/test 切分与基线模型评测脚本,可直接用于学术论文公平对比。
各子集独立(多 CC-BY / 代码 MIT) 多物理基准PyTorch

DeepXDE v1.15.0

微分方程求解
DeepXDE v1.15.0 发布,新增 L-LAAF 激活函数与 PyTorch 后端 MPS GPU 支持,提升微分方程深度学习求解效率。原生支持 GPU/TPU 加速,可与神经网络端到端耦合,是科学 ML 框架中可微物理的代表。
LGPL-2.1 微分方程深度学习科学计算

NeuralOperator v2.0.0 发布

科学计算
NeuralOperator 2.0.0 重大版本发布,新增 Codano 模型,完善文档并提升 PyTorch 神经算子训练易用性。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。
MIT 神经算子深度学习PyTorch

← 全部标签