NeuralPDE.jl Julia 科学机器学习求解器新

NeuralPDE.jl（SciML 生态，MIT，1.2k+ Star）通过 SciML 栈表达物理 ML 问题：在 ModelingToolkit 里符号式定义 PDE，再用 Lux/Flux 训练 PINN、DeepONet 或 NeuralOperator 变体——全部在 Julia 内完成。

核心优势

• 符号式 PDE 定义 → 残差自动符号微分
• 与 DifferentialEquations.jl 求解器互操作（如作为数据生成器）
• 借助 Julia 原生工具链做分布式与 GPU 训练
• 经典求解器与神经求解器统一在一种语言里

学习路径

1. 配置 Julia + NeuralPDE.jl，跑官方一维 Poisson PINN
2. 用 ModelingToolkit 定义自定义 PDE 并训练
3. 用 ODE 求解器生成参考数据，拟合 DeepONet
4. 尝试 GPU 训练更大的二维问题

选型时机

• 团队已在 Julia 上做建模或控制
• 希望从经典仿真到神经训练只用一种语言