标签:图神经网络

9 个条目

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

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

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

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

用于粒子模拟的自适应交互图

通用科学ML
针对图神经网络粒子模拟中交互图固定导致的长期预测误差累积,提出按粒子调节的交互图结构。
见LICENSE文件 粒子模拟图神经网络自适应交互图

GridSFM:交流最优潮流求解基础模型

电网优化
基于物理信息图神经网络的交流最优潮流求解基础模型,在54种电网拓扑上预训练,可在10,000节点系统上实现2.45%零样本成本误差。
见LICENSE文件 交流最优潮流图神经网络电力系统优化

← 全部标签