PDEBench
简介
PDEBench 是 2023 年提出的系统性 PDE 基准平台，旨在为数据驱动求解器和物理信息神经网络（PINN）提供统一的评测环境。相比此前零散的基准，它在规模（数 TB）、多样性（20+ 方程类型）、任务难度（低维到高维）上均有量级提升，是当前最接近「PDE 领域 ImageNet」的公开数据集。
收录内容
覆盖以下方程类型：
- 常微分方程（ODE）：随机微分方程、迟滞系统
- 偏微分方程（PDE）：热传导、波方程、对流扩散、Navier-Stokes、浅水方程、Burgers 方程
- 多物理场耦合：热-流体耦合、反应-扩散系统
数据规格
| 项目 | 规格 |
|---|---|
| 总规模 | 约 5 TB |
| 训练样本 | 每方程 10,000+ 条 |
| 分辨率 | 128×128、256×256、512×512 |
| 格式 | HDF5（.h5），含初边值条件与参考解 |
| 许可证 | Apache-2.0 |
适用场景
- 代理模型（Surrogate Model）训练与评测
- PINN / DeepONet / FNO 等方法的消融实验
- 新型网络架构的公平对比基准
- 教学：理解不同 PDE 数值方法与数据驱动方法的差异
使用注意
- 下载数据需访问官方 GitHub Release（或官方提供的 S3 链接），国内访问需代理
- 官方提供 PyTorch / JAX 数据加载器，也可自行用
h5py读取 - 基准论文请引用：
@misc{pdebench2023, title={PDEBench: A Massive Benchmark for Data-Driven PDE Solvers}, author={Takamoto et al.}, year={2023}}
标签: 基准PDECFD数据驱动机器学习
相关条目
- PDEArena · 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。
- CFDBench · 专注计算流体力学（CFD）场景的多物理场数据集，覆盖内流、外流、热对流等典型工程场景，含时序与稳态数据。
- TIDE · 2026 年发布的 3D 湍流 DNS 基准数据集，含 5 个任务与受控泛化切分，专用于评测湍流模型的外推能力。
- DrivAerNet++ · MIT 发布的超大规模汽车外气动数据集，含 8000 个参数化车型的 CFD 流场、网格与气动系数，是气动代理模型与几何生成设计的主力语料。
- The Well · 覆盖 16 个物理仿真领域的超大数据集，被称为「物理 ML 的 ImageNet 时刻」，配套 PyTorch API 与预训练基线，支持 HF 流式加载。