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 通用科学ML
面向偏微分方程的谱极限学习机求解器,支持曲线多块映射与基于度量的物理导数计算。
见LICENSE文件 偏微分方程谱方法极限学习机 通用科学ML
面向偏微分方程求解的尺度不变神经算子,通过低秩参数化建模粗网格缺失的未解析物理与闭合机制。
见LICENSE文件 尺度不变神经算子偏微分方程物理闭合 通用科学ML/ScientificML
面向偏微分方程建模的公开数据集,为物理场仿真与机器学习模型训练提供数据基础。
见LICENSE文件 偏微分方程物理场数据科学机器学习 通用科学ML
汇集基准中七类偏微分方程的完整数值解,涵盖达西、泊松、赫尔姆霍兹与热传导等方程。
见LICENSE文件 偏微分方程数值解科学机器学习 通用科学ML/ScientificML
提供PDE-OBS偏微分方程模型资源,面向基于偏微分方程的物理建模与科学计算场景。
见LICENSE文件 偏微分方程科学机器学习模型资源 通用科学ML
面向偏微分方程逆问题与约束优化的神经算子,在线利用切线一致性直接监督输入输出敏感度
见LICENSE文件 神经算子切线一致性偏微分方程 ScientificML
提出联合解决神经算子分布外退化与PINN多解收敛错误的协同训练方法,利用不完美神经算子引导PINN优化。
见LICENSE文件 神经算子PINN偏微分方程 CFD
基于U-Net架构的36M参数监督学习模型,专注求解Navier-Stokes流体力学偏微分方程,发布于HuggingFace模型库。
见LICENSE文件 偏微分方程Navier-StokesU-Net ScientificML
提出基于算子图的图超网络方法,将PDE的场、导数、项和残差显式建模为节点,实现跨相关偏微分方程的可摊销神经求解器元训练。
见LICENSE文件 物理信息神经网络图超网络算子图 通用科学ML
基于U-Net架构的36M参数偏微分方程(PDE)神经网络求解器模型,支持PDE系统的数据驱动求解与预测
见LICENSE文件 偏微分方程神经网络求解器U-Net 通用科学ML
洛斯阿拉莫斯国家实验室开源的36M参数UNet架构偏微分方程求解器v2版本,用于科学计算中的PDE代理建模。
见LICENSE文件 偏微分方程UNet神经算子 ScientificML
HuggingFace 平台上的偏微分方程插值相关数据集,支持物理建模与机器学习交叉研究。
通用科学ML
面向偏微分方程符号候选解的带溯源验证基准,含20条记录及生成器输出、验证案例与人类注释,用于评估符号求解器的可靠性。
见LICENSE文件 偏微分方程符号求解基准测试 神经算子/Neural Operator
基于球面傅里叶变换的神经算子模型(Spectral球面调参工具),用全局谱卷积替代网格卷积,处理球面几何数据上的偏微分方程学习任务,适用于气候、气象、全球大气模拟等场景。
通用科学ML
提出几何感知增量神经算子解决长时域PDE预测中自回归误差累积问题,抑制谱不一致和通道耦合不稳定。
见LICENSE文件 神经算子偏微分方程长时域预测