数值方法有限元PDE 求解器可微编程

数值方法与 PDE 求解器

从离散化理论到工业求解器的完整链路:FEM / FVM / 谱方法、OpenFOAM 与 PETSc 等生产级求解器、可微物理编程,以及前沿数值方法论文。

更新于 2026年11月3日 共 43 个资源
导语

为什么做这个合集

物理 AI 的所有上层方法 —— PINN、神经算子、代理模型 —— 最终都要和数值方法打交道。有的把它当黑箱替代,有的把它嵌进训练循环,还有的直接用可微版本取代它。不懂离散化,就无法判断一个 AI 方法的结果可不可信。

同时,工业落地绕不开生产级求解器。OpenFOAM、PETSc、SU2 这些工具承载着真实的工程算例,其并行策略、内存模型、收敛判据都会直接决定你的 AI 方案能不能跑得动。

本合集把三层串起来:

  • 离散化与经典数值方法:FEM / FVM / 谱方法的教材与工具,理解「方程怎么变成矩阵」;
  • 工业级求解器:能直接上生产的开源求解器及其生态;
  • 可微物理与可微编程:把求解器放进梯度回传链路的框架,是当前最热的方向。

建议阅读顺序是「离散化 → 工业求解器 → 可微物理」。跳过第一层直接用第三层的框架,调试成本会高出一个数量级。

工程实践与工业工作流 1 个资源

OpenFOAM 工业级多物理场仿真流水线:从网格生成到数据供给

通用 CFD / 工业仿真 / 数据生成
以 OpenFOAM 三条发行线为背景,复核工业多物理场流水线的真实边界:CHT 多区域耦合、v14 与 v2606 的能力差异、GPU offload 现状,以及电磁能力在主线中的实际位置。
新 GPL-3.0(三条发行线均以 GPL v3 发布) OpenFOAM有限体积工业仿真

离散化与经典数值方法 15 个资源

后向对数正交函数及其逼近理论

通用科学ML
提出后向对数正交函数新类,通过终端对数映射广义拉盖尔多项式构造,用于弱奇异解的后向谱逼近。
见LICENSE文件 谱方法正交函数逼近理论

原始BGN平均曲率流方法的收敛性证明

通用科学ML
证明原始BGN方法在时间步τ=h²时以二阶精度收敛于平均曲率流,采用向后误差分析技术。
见LICENSE文件 平均曲率流数值分析向后误差分析

FEniCS / FFCx

有限元框架 / 多物理场
基于有限元方法(FEM)的开源多物理场仿真框架,用 UFL 描述变分问题、底层自动生成高效 C++ 离散代码;是固体力学与多物理场耦合的学术标准工具,也可作代理训练的高保真对照。
新 LGPL-3.0 有限元FEM多物理场
💬 编辑点评: FEniCS / FFCx 有限元平台,变分形式编程,适合研究原型阶段的快速验证

物理仿真与机器学习融合路线图

学习路线图 / 系统性综述
从经典 PDE 数值方法到数据驱动物理 AI 的系统学习路线,覆盖有限元、有限体积、代理模型、PINN 等方法的演进逻辑与适用场景。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
CC BY 4.0 学习路径PDE数值方法
💬 编辑点评: 整体路线图:把有限元、有限体积到代理模型与 PINN 的演进逻辑串起来,是理解整条栈的最佳起点

Python 有限元从零开始

有限元 / 从零实现
不依赖 FEniCS/Abaqus 等框架,从 NumPy/SciPy 出发实现 2D 弹性力学有限元求解器,深入理解 FEM 的每一个矩阵推导与组装细节。支持高阶单元与大规模并行,是学术界多物理场耦合仿真的标准工具之一。
GPL-3.0 有限元FEMPython
💬 编辑点评: 不依赖任何框架,用 NumPy 从零推导 2D 弹性力学 FEM 矩阵 —— 想真正搞懂「数值离散」就读这篇

Dedalus 谱方法微分方程求解框架

通用科学ML / 框架教程
用符号化方式构建谱方法求解器的 Python 框架(Burns et al. 2020),在流体动力学、等离子体、恒星与行星研究中广泛使用,是从 Galerkin 到可微分仿真的桥梁。
新 GPL-3.0 谱方法符号计算Python
💬 编辑点评: Dedalus 谱方法框架,符号计算 + MPI 并行,谱方法方向的实践参考

CFD Python:12 步走进 Navier-Stokes

流体/CFD / 入门教程
Lorena Barba 团队经典教材「12 Steps to Navier-Stokes」,用 12 个 Jupyter Notebook 从零构建一维线性对流到二维 NS 与通道流求解器,是全球 CFD 入门的事实标准。
新 见 LICENSE 文件 CFD有限差分入门
💬 编辑点评: 12 步走进 Navier–Stokes,代码量小但每一步都有物理含义,是建立 CFD 直觉的高性价比路径

FEniCS/dolfinx v0.11.0.post0 发布

科学计算/有限元
FEniCS/dolfinx 发布补丁版本,修复内置文档中 Mathjax 渲染问题,功能与 v0.11.0 完全相同,用户无需升级。支持高阶单元与大规模并行,是学术界多物理场耦合仿真的标准工具之一。
LGPL-3.0 FEniCSdolfinx有限元

Clawpack 双曲问题有限体积求解包

流体/CFD / 框架教程
LeVeque 团队的有限体积软件包,Godunov 类格式求解双曲型方程,覆盖激波、海啸、油藏与地震波场景,是守恒律数值方法的标准教学与科研工具。
新 BSD-3-Clause 有限体积双曲方程激波

FEniCS 有限元自动求解平台

固体/结构 / 框架教程
用接近数学记号的 UFL 语言描述变分形式,自动完成离散与求解的有限元平台,配官方教程《Automated Solution of Differential Equations》,是 FEM 学习的标准路线。
新 LGPL-3.0 有限元FEM变分形式

工业级求解器 4 个资源

OpenFOAM

通用 CFD 求解器
开源 CFD 求解器与物理 AI 数据底座:讲清原理、算例结构、上手路径、横向对比、成本口径与失效边界,说明何时该用它生成语料、校验代理模型。
新 GPL v3 CFD开源求解器
💬 编辑点评: 工业级 CFD 开放求解器的事实标准之一,工业案例与工程流程的主力工具

PETSc

数值求解库 / HPC
阿贡国家实验室维护的高性能科学计算库,提供大规模线性/非线性方程组求解与并行基础设施,是高端 CFD 与多物理场仿真的底层求解核心,BSD-2-Clause 商用友好。
新 BSD-2-Clause 求解器线性代数稀疏矩阵
💬 编辑点评: PETSc 提供并行线性代数与求解器套件,是大规模稀疏问题不可绕过的底层库

PyVista

可视化 / 后处理
VTK 的 Python 三维可视化与网格处理框架,提供简洁 API 操作场数据、渲染网格、生成动画;是仿真结果后处理、ML 数据集构建与质量检查的实事标准,被 FEniCSx/PyMAPDL 等用作输出层。
新 MIT 可视化VTK网格

SU2

气动 / 设计优化求解器
开源 CFD 与离散伴随(adjoint)求解器,内置气动外形优化;以与变量数无关的梯度成本支撑 PDE 约束优化,是代理模型的高保真对照与 CAE 工业链路常用底层。
新 LGPL-2.1 CFD伴随方法气动优化
💬 编辑点评: SU2 带伴随方法,气动优化场景常用,与代理模型方向可形成互补

可微物理与可微编程 15 个资源

Frax

机器人运动学与动力学库 / JAX 自动微分控制框架
斯坦福 ASL 基于 JAX 的纯 Python 机器人运动学与动力学库,以自动微分与 JIT 提供 Pinocchio 级速度,兼容 MJX 并行,用于高性能 IK/ID 控制。
新 MIT 机器人动力学运动学自动微分

Physics-Based Deep Learning 在线教材

教材 / 系统课程
由慕尼黑工业大学团队维护的免费在线教材,系统讲解「物理 + 深度学习」的融合范式,从可微物理、PINN 到神经算子与湍流建模,配套可运行代码。提供 PyTorch/TensorFlow 多后端实现,适合作为物理 AI 入门首选框架。
CC BY-NC-SA 4.0 教材可微物理PINN

SuperMimic

人形机器人全身运动控制 / 可微分世界模型训练框架
UC Berkeley 开源的人形机器人全身运动控制框架,以一个可微分世界模型把学习成本分摊到全部动作,单卡 3 小时超越 128 卡 7 天基线,获 CoRL 2026 最佳论文。
新 Apache-2.0 物理仿真人形机器人运动模仿

JAX-Fluids

可微 CFD 求解器
基于 JAX 的全自动可微 CFD 求解器,支持 CPU/GPU/TPU,专注端到端可微流体仿真,可与神经网络无缝耦合做梯度反传,是科学机器学习中可微物理的代表。
新 GPL-3.0 JAX可微CFD可微物理

MuJoCo

通用物理引擎 / 接触动力学求解器与机器人仿真后端
Google DeepMind 维护的开源物理引擎,以广义坐标与软凸接触求解支撑机器人、生物力学与强化学习;含 MJCF、MJX、MuJoCo Warp 与 4.0 新特性。
新 Apache-2.0(源码;doc 目录文档、图片与视频为 CC BY 4.0) 物理引擎接触动力学机器人仿真

NVIDIA Warp

可微 GPU 仿真框架
NVIDIA 开源的 Python 框架,把普通 Python 函数 JIT 编译为 CPU/CUDA 原生核,且每个核自动生成可微反向版本,可让梯度穿过整段物理仿真——是 Isaac Lab、Newton 等机器人/物理学习栈的底层算力。
新 Apache-2.0 可微仿真GPUJIT 编译
💬 编辑点评: NVIDIA Warp 提供 GPU 原生的可微仿真内核,是当下 GPU 加速可微物理的主流选择

PDEArena

PDE 基准 / 可微求解
微软研究院开源的 PDE 基准套件,内置可微求解器与多类时空动力学数据,支持端到端评测神经算子与代理模型的长时滚动稳定性。配套标准化 train/test 切分与基线模型评测脚本,可直接用于学术论文公平对比。
MIT PDE基准可微求解器
💬 编辑点评: PDEArena 提供可微求解器基准,用来横向比较 JAX-CFD、PhiFlow 等框架的精度与速度

JAX-CFD

可微流体求解器
Google Research 基于 JAX 的可微不可压流体求解器,整条时间推进可微、可在 GPU/TPU 上 JIT;PNAS 2021 提出学习型插值取得同等精度下约 80×/40× 加速,现已停止维护,宜作研究原型与对照。
新 Apache-2.0 JAX可微物理CFD
💬 编辑点评: JAX-CFD 是全可微 CFD 框架的代表,能把气动设计做成端到端优化问题

NeuralPDE.jl Julia 科学机器学习求解器

通用科学ML / 框架教程
Julia SciML 生态的 PINN/DeepONet/NeuralOperator 统一求解库,与 DifferentialEquations.jl 无缝互操作,GPU 与自动微分开箱即用,适合 Julia 技术栈团队。
新 MIT JuliaPINNSciML

DeepXDE v1.15.0

微分方程求解
DeepXDE v1.15.0 发布,新增 L-LAAF 激活函数与 PyTorch 后端 MPS GPU 支持,提升微分方程深度学习求解效率。原生支持 GPU/TPU 加速,可与神经网络端到端耦合,是科学 ML 框架中可微物理的代表。
LGPL-2.1 微分方程深度学习科学计算

Taichi Lang

物理仿真 DSL
面向高性能数值计算的 Python 嵌入式并行编程语言,以 LLVM JIT 编译逐元素核函数,提供稀疏数据结构与自动微分,原型期实现可微物理仿真的常用工具。
新 Apache-2.0 物理仿真可微编程DSL
💬 编辑点评: Taichi 的 DSL 与 MPM 支持让它在可微物理仿真中占一席,工程上手成本低

JAX

可微数值计算框架
Google 开源的 NumPy 风格数值计算库,以 XLA 编译、自动微分与函数式变换为核心,是 JAX-CFD、JAX-Fluids 等可微求解器与神经算子的底层算力底座。
新 Apache-2.0 自动微分XLA数值计算

Pinocchio

刚体动力学算法库 / 机器人运动学与动力学计算引擎
Inria 与 LAAS-CNRS 联合开发的刚体动力学算法库,基于 Featherstone 算法提供运动学、动力学与解析导数,BSD-2-Clause,被 Crocoddyl、TSID、HPP 等机器人框架依赖。
新 BSD-2-Clause 刚体动力学运动学机器人控制

DeepXDE

PINN 入门框架
物理信息神经网络(PINN)入门框架,中文文档与示例完善,支持 TensorFlow/PyTorch/JAX/PaddlePaddle 多后端,是科学机器学习与 PDE 求解的常选起点。
新 LGPL-2.1 PINN入门中文文档

数值方法前沿论文 8 个资源

Scott-Vogelius元在Freudenthal网格上对k≥4的inf-sup稳定性证明

结构/Structural
本文在三维Freudenthal网格上证明了Scott-Vogelius元对k≥4满足inf-sup稳定性条件,完善了该经典混合有限元方法的理论框架,适用于Stokes问题的散度自由数值求解。
见LICENSE文件 有限元方法Stokes问题inf-sup稳定性
💬 编辑点评: Scott–Vogelius 元在 Freudenthal 网格上的 inf-sup 分析,给出谱元法稳定性的理论边界
💬 编辑点评: 并行求解器在零质量比涡激振动上的实现,涉及强耦合与分区策略,工程参考价值高