PhiFlow

收录理由

PhiFlow 面向那些希望训练出的模型真正遵循物理规律、而不只是拟合数据的开发者。它允许你把仿真写成可微分的 Python 程序，在网格、网格或粒子等不同表示上运行，并且同一套代码可以在 NumPy、PyTorch、Jax 或 TensorFlow 中执行，这样梯度就能穿过求解器回流到你的网络里。对于物理信息学习、反问题求解和轨迹优化这类需要前向仿真器感知梯度的场景，它提供了很实用的基础。项目还附带了烟雾羽流、尾流以及一个“学习抛掷”等可运行示例，你可以直接基于这些示例起步，不必从空白文件开始。如果你的工作属于科学机器学习，这个工具包能省去你在神经网络与方程之间的大部分对接工作。