PaddleScience

<!-- --8<-- [start:status] -->

Developed with PaddlePaddle

<!-- --8<-- [end:status] -->

📘 使用文档 | 🛠️ 安装使用 | 📘 快速开始 | 👀 案例列表 | 🆕 最近更新 | 🤔 问题反馈

<!-- --8<-- [start:announcement] --> <!-- --8<-- [end:announcement] -->

👀简介

<!-- --8<-- [start:description] -->

PaddleScience 是一个基于深度学习框架 PaddlePaddle 开发的科学计算套件，利用深度神经网络的学习能力和 PaddlePaddle 框架的自动(高阶)微分机制，解决物理、化学、气象等领域的问题。支持物理机理驱动、数据驱动、数理融合三种求解方式，并提供了基础 API 和详尽文档供用户使用与二次开发。

推荐使用 DeepWiki 辅助编程 👉

<!-- --8<-- [end:description] -->

✨特性

<!-- --8<-- [start:feature] -->

• 支持 实验源码跟踪，一键启动并行实验，提高科研效率。
• 支持简单几何和复杂 STL 几何的采样与布尔运算。
• 支持包括 Dirichlet、Neumann、Robin 以及自定义边界条件。
• 支持物理机理驱动、数据驱动、数理融合三种问题求解方式。涵盖流体、结构、气象等领域 20+ 案例。
• 支持结果可视化输出与日志结构化保存。
• 完善的 type hints，用户使用和代码贡献全流程文档，经典案例 AI studio 快速体验，降低使用门槛，提高开发效率。
• 支持基于 sympy 符号计算库的方程表示与联立方程组计算。
• 更多特性正在开发中...

<!-- --8<-- [end:feature] -->

📝案例列表

<details> <summary><b>数学</b></summary>

| 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 | |-----|---------|-----|---------|----|---------|---------| | 亥姆霍兹方程 | SPINN(Helmholtz3D) | 机理驱动 | SPINN | 无监督学习 | - | Paper | | 相场方程 | Allen-Cahn | 机理驱动 | MLP | 无监督学习 | Data | Paper | | 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 | - | - | | 光孤子 | Optical soliton | 机理驱动 | MLP | 无监督学习 | - | Paper| | 光纤怪波 | Optical rogue wave | 机理驱动 | MLP | 无监督学习 | - | Paper| | 域分解 | XPINN | 机理驱动 | MLP | 无监督学习 | - | Paper| | 布鲁塞尔扩散系统 | 3D-Brusselator | 数据驱动 | LNO | 监督学习 | - | Paper| | 符号回归 | Transformer4SR | 数据驱动 | Transformer | 监督学习 | - | Paper| | 算子学习 | 隐空间神经算子LNO | 数据驱动 | Transformer | 监督学习 | - | Paper|

</details> <details> <summary><b>技术科学</b></summary>

| 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 | |-----|---------|-----|---------|----|---------|---------| | 汽车表面阻力预测 | Transolver | 数据驱动 | Transolver | 监督学习 | Data | Paper | | 汽车表面阻力预测 | DrivAerNet | 数据驱动 | RegDGCNN | 监督学习 | Data | Paper | | 一维线性对流问题 | 1D 线性对流 | 数据驱动 | ViT | 监督学习 | Data | Paper | | 非定常不可压流体 | 2D 方腔浮力驱动流 | 数据驱动 | ViT | 监督学习 | Data | Paper | | 定常不可压流体 | Re3200 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 颅内动脉瘤 | 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 | - | Paper| | 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](https://arxiv.org/abs/1810.