physicsnemo

用於建構、訓練和微調深度學習模型的開源深度學習框架,採用最先進的 Physics-ML 方法

physicsnemo 是什麼?

用於建構、訓練和微調深度學習模型的開源深度學習框架,採用最先進的 Physics-ML 方法

physicsnemo 概覽

這是什麼

NVIDIA PhysicsNeMo 是一個開源的 PyTorch 框架,專為物理機器學習(physics ML)、科學機器學習(SciML)以及人工智慧在科學與工程領域的應用而設計。它提供可重複使用的函式庫元件與端到端的訓練配方。

主要功能

  • 原生 PyTorch 且可組合:可使用完整的架構、層、數值運算子或資料轉換,無需取代現有的 PyTorch 工作流程。
  • 專為科學表示法設計:支援規則網格、網格、點雲、圖形以及巢狀物理場,同時保留其結構。
  • 對樣本本身進行擴展:使用 ShardTensor 領域平行化,將單一高解析度樣本分割到多個 GPU 上,並可搭配 PyTorch 的 DistributedDataParallel (DDP) 或 Fully Sharded Data Parallel 2 (FSDP2)。
  • 包含多種模型系列:代理與動力學(如 FNO、MeshGraphNet、Transolver)、天氣與氣候(如 AFNO、GraphCast、Pangu-Weather),以及生成式與逆向模型(如 Diffusion U-Nets、TopoDiff)。
  • 提供物理 AI 建構區塊:最佳化模型、用於讀取與轉換的資料管道、評估指標、領域平行化以及最佳化工具。

使用情境

PhysicsNeMo 應用於多個物理領域:

  • 工程設計與 CFD:統一外部空氣動力學、資料中心氣流預測。
  • 天氣、氣候與水資源:使用 StormCast 進行全球預報、洪水預測。
  • 結構與製造:碰撞動力學、金屬燒結、底部填充製程。
  • 地球物理與地下系統:擴散全波形反演、油藏代理模型。
  • 醫療保健:心血管血流預測、腦部異常檢測。
  • 生成式與逆向物理:使用 TopoDiff 進行拓撲最佳化、基於擴散的逆向問題。
  • 模擬資料循環:主動學習以選擇新的模擬。

快速開始

使用 pip 安裝: bash pip install 'nvidia-physicsnemo[cu13]' 如需 CUDA 12、基本安裝、選擇性功能或原始碼設定,請參閱儲存庫的 README。

授權與價格

採用 Apache-2.0 授權。開源軟體。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/nvidiaphysicsnemo.svg)](https://yunodb.com/tools/nvidiaphysicsnemo?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/nvidiaphysicsnemo?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/nvidiaphysicsnemo.svg" alt="Featured on YunoDB" height="20"></a>