PhiFlow 可微分 PDE 求解框架新
我的评分
PhiFlow（TUM，MIT，1.9k+ Star）把场与仿真直接表示为 PyTorch/JAX/TensorFlow 的原生张量，因此自动微分可以端到端穿过求解过程——你能对形状、边界条件或控制输入反传梯度。
特性
- Stable-fluids 烟雾/火焰仿真，分辨率可 API 级调控
- 可微分的对流、压力投影、粘性项
- 一套接口背后切换 PyTorch / TensorFlow / JAX 后端
- 面向学习物理与逆设计（如流体障碍物优化）
学习路径
- 跑烟羽示例，观察场张量结构
- 用自动微分优化一个障碍物形状以最小化阻力
- 在求解步内加入学习修正项
- 精读配套的可微分流体障碍物论文
与物理 AI 的关系
PhiFlow 站在图形学风格求解器与现代可微分编程的交叉点上——当你需要的是「仿真输出的梯度」而不只是一个学习代理时，它很合适。
标签: