deepxde

收录理由

DeepXDE 把物理方程直接写进神经网络里，让模型在拟合数据的同时也遵守背后的规律，这对做工程仿真和计算科学的人尤其顺手。无论是正问题还是反问题，边界条件怎么设、训练用 TensorFlow、PyTorch 还是 JAX，都通过一套统一的接口完成，省去来回切换的麻烦。它不局限在教科书里的标准 PINN 流程，DeepONet 算子学习、多保真度数据、分数阶或随机偏微分方程的变体也都覆盖，遇到实际工况时不用被单一方法绑住手脚。方法都对应着正式发表的论文，文档也写得详细，想复现文献结果或者向审稿人解释自己的求解思路，用它作依据会踏实很多。