--8<-- ./README.md:status --8<--
<style> .container { display: flex; justify-content: space-around; align-items: center; flex-wrap: wrap; } .card { font-family: 'Noto Serif SC', sans-serif; border-radius: 10px; box-shadow: 0 4px 8px rgba(0, 0, 0, 0.1); color: black; font-weight: bold; height: 100px; padding: 20px; width: 170px; text-align: center; transition: border-color 0.1s; /* 边框颜色变化的过渡效果 */ border: 2px solid transparent; /* 默认透明边框,用于悬浮时边框的平滑过渡 */ /* text-shadow: 2px 2px 4px rgba(0, 0, 0, 0.5); */ } .card:hover { border-color: #7793FF; /* 鼠标悬浮时的深蓝色边框 */ } .card-deepxde { background-color: #A6CAFE; /* 浅蓝色背景 */ } .card-deepmd { background-color: #A6CAFE; /* 浅蓝色背景 */ } .card-modulus { background-color: #A6CAFE; /* 浅蓝色背景 */ } .footer { text-align: center; margin-top: 30px; color: #666; } .text-large { font-size: 14px; } .text-decoration { text-decoration: underline; } </style>--8<-- ./README.md:description --8<--
--8<-- ./docs/zh/overview.md:panorama --8<--
<style> table th{ background: #C1E6FE; } </style>数学(AI for Math)
问题类型 | 案例名称 | 优化算法 | 模型类型 | 训练方式 | 数据集 | 参考资料 |
---|---|---|---|---|---|---|
微分方程 | 拉普拉斯方程 | 机理驱动 | MLP | 无监督学习 | - | - |
微分方程 | 伯格斯方程 | 机理驱动 | MLP | 无监督学习 | Data | Paper |
微分方程 | 非线性偏微分方程 | 机理驱动 | PIRBN | 无监督学习 | - | Paper |
微分方程 | 洛伦兹方程 | 数据驱动 | Transformer-Physx | 监督学习 | Data | Paper |
微分方程 | 若斯叻方程 | 数据驱动 | Transformer-Physx | 监督学习 | Data | Paper |
算子学习 | DeepONet | 数据驱动 | MLP | 监督学习 | Data | Paper |
微分方程 | 梯度增强的物理知识融合 PDE 求解 | 机理驱动 | gPINN | 无监督学习 | - | Paper |
积分方程 | 沃尔泰拉积分方程 | 机理驱动 | MLP | 无监督学习 | - | Project |
微分方程 | 分数阶微分方程 | 机理驱动 | MLP | 无监督学习 | - | - |
技术科学(AI for Technology)
问题类型 | 案例名称 | 优化算法 | 模型类型 | 训练方式 | 数据集 | 参考资料 |
---|---|---|---|---|---|---|
定常不可压流体 | 2D 定常方腔流 | 机理驱动 | MLP | 无监督学习 | - | |
定常不可压流体 | 2D 达西流 | 机理驱动 | MLP | 无监督学习 | - | |
定常不可压流体 | 2D 管道流 | 机理驱动 | MLP | 无监督学习 | - | Paper |
定常不可压流体 | 3D 血管瘤 | 机理驱动 | MLP | 无监督学习 | Data | Project |
定常不可压流体 | 任意 2D 几何体绕流 | 数据驱动 | DeepCFD | 监督学习 | - | Paper |
非定常不可压流体 | 2D 非定常方腔流 | 机理驱动 | MLP | 无监督学习 | - | - |
非定常不可压流体 | Re100 2D 圆柱绕流 | 机理驱动 | MLP | 半监督学习 | Data | Paper |
非定常不可压流体 | Re100~750 2D 圆柱绕流 | 数据驱动 | Transformer-Physx | 监督学习 | Data | Paper |
可压缩流体 | 2D 空气激波 | 机理驱动 | PINN-WE | 无监督学习 | Data | - |
飞行器设计 | MeshGraphNets | 数据驱动 | GNN | 监督学习 | Data | Paper |
飞行器设计 | 火箭发动机真空羽流 | 数据驱动 | CNN | 监督学习 | Data | - |
飞行器设计 | Deep-Flow-Prediction | 数据驱动 | TurbNetG | 监督学习 | Data | Paper |
通用流场模拟 | 气动外形设计 | 数据驱动 | AMGNet | 监督学习 | Data | Paper |
流固耦合 | 涡激振动 | 机理驱动 | MLP | 半监督学习 | Data | Paper |
多相流 | 气液两相流 | 机理驱动 | BubbleNet | 半监督学习 | Data | Paper |
多相流 | twophasePINN | 机理驱动 | MLP | 无监督学习 | - | Paper |
多相流 | 非高斯渗透率场估计coming soon | 机理驱动 | cINN | 监督学习 | - | Paper |
流场高分辨率重构 | 2D 湍流流场重构 | 数据驱动 | tempoGAN | 监督学习 | Train Data Eval Data |
Paper |
流场高分辨率重构 | 2D 湍流流场重构 | 数据驱动 | cycleGAN | 监督学习 | Train Data Eval Data |
Paper |
流场高分辨率重构 | 基于Voronoi嵌入辅助深度学习的稀疏传感器全局场重建 | 数据驱动 | CNN | 监督学习 | Data1 Data2 Data3 |
Paper |
流场高分辨率重构 | 基于扩散的流体超分重构coming soon | 数理融合 | DDPM | 监督学习 | - | Paper |
求解器耦合 | CFD-GCN | 数据驱动 | GCN | 监督学习 | Data Mesh |
Paper |
受力分析 | 1D 欧拉梁变形 | 机理驱动 | MLP | 无监督学习 | - | - |
受力分析 | 2D 平板变形 | 机理驱动 | MLP | 无监督学习 | - | Paper |
受力分析 | 3D 连接件变形 | 机理驱动 | MLP | 无监督学习 | Data | Tutorial |
受力分析 | 结构震动模拟 | 机理驱动 | PhyLSTM | 监督学习 | Data | Paper |
受力分析 | 2D 弹塑性结构 | 机理驱动 | EPNN | 无监督学习 | Train Data Eval Data |
Paper |
受力分析和逆问题 | 3D 汽车控制臂变形 | 机理驱动 | MLP | 无监督学习 | - | - |
拓扑优化 | 2D 拓扑优化 | 数据驱动 | TopOptNN | 监督学习 | Data | Paper |
热仿真 | 1D 换热器热仿真 | 机理驱动 | PI-DeepONet | 无监督学习 | - | - |
热仿真 | 2D 热仿真 | 机理驱动 | PINN | - | Paper |
材料科学(AI for Material)
问题类型 | 案例名称 | 优化算法 | 模型类型 | 训练方式 | 数据集 | 参考资料 |
---|---|---|---|---|---|---|
材料设计 | 散射板设计(反问题) | 数理融合 | 数据驱动 | 监督学习 | Train Data Eval Data |
Paper |
材料生成 | 面向对称感知的周期性材料生成coming soon | 数据驱动 | SyMat | 监督学习 | - | - |
地球科学(AI for Earth Science)
问题类型 | 案例名称 | 优化算法 | 模型类型 | 训练方式 | 数据集 | 参考资料 |
---|---|---|---|---|---|---|
天气预报 | FourCastNet 气象预报 | 数据驱动 | FourCastNet | 监督学习 | ERA5 | Paper |
天气预报 | GraphCast 气象预报coming soon | 数据驱动 | GraphCastNet* | 监督学习 | - | Paper |
大气污染物 | UNet 污染物扩散 | 数据驱动 | UNet | 监督学习 | Data | - |
=== "方式1: 源码安装[推荐]"
--8<--
./README.md:git_install
--8<--
=== "方式2: pip安装"
``` sh
pip install paddlesci
```
完整安装流程:安装与使用
--8<-- ./README.md:update --8<--
--8<-- ./README.md:feature --8<--
除 PaddleScience 套件外,Paddle 框架还支持了 DeepXDE 的所有案例,分子动力学套件 DeepMD-kit 部分案例和功能,以及正在适配中的 Modulus 。
--8<-- ./README.md:support --8<--
--8<-- ./README.md:contribution --8<--
--8<-- ./README.md:collaboration --8<--
--8<-- ./README.md:thanks --8<--
-
PaddleScience 的部分代码由以下优秀社区开发者贡献(按 Contributors 排序):
<style> .avatar { height: 64px; width: 64px; border: 2px solid rgba(128, 128, 128, 0.308); border-radius: 50%; } .avatar:hover { box-shadow: 0 8px 16px 0 rgba(0, 0, 0, 0.4); transition: 0.4s; transform:translateY(-10px); } </style>
--8<-- ./README.md:license --8<--