The Well：面向物理基础模型的多领域基准
The Well 论文系统整理了 16 个物理仿真领域的数据，并提出统一接口与评测协议， 论证了跨领域预训练（Physics Foundation Model）的可行性与收益。它是进入物理 AI 基础模型研究方向的必读文献。
要点：
- 统一的多领域数据接口，降低跨域训练门槛。
- 提供预训练基线，便于公平对比。
- 强调数据质量与多样性对泛化的影响。
本条目可由 AI 管线（M5）定期从 arXiv 自动聚合同类新论文生成。
标签: 基准物理基础模型综述必读
相关条目
- 物理信息学习年度进展综述 2025–2026 · 系统性梳理 2025–2026 年物理信息机器学习（Physics-Informed Learning）领域的主要进展，重点覆盖神经算子、扩散模型在 PDE 求
- PhysicsNeMo: 基于神经算子的物理仿真框架 · NVIDIA 发布的物理信息神经网络框架，基于神经算子（FNO/DeepONet/AFNO）提供端到端可微分物理仿真流水线，支持多 GPU 训练与部署。
- Transolver：面向大规模工业几何的 Transformer 求解器 · 提出物理注意力机制，把离散网格投影到可学习的物理状态令牌上做注意力，显著提升 PDE 求解在大规模工业几何上的效率与精度。
- Fourier Neural Operator（FNO）原始论文 · 提出在傅里叶空间参数化积分核的神经算子，实现分辨率无关的 PDE 求解，是算子学习与物理 AI 方向引用量最高的奠基工作之一。
- DeepONet 原始论文 · 以分支-主干（branch-trunk）结构实现算子通用逼近定理的深度学习版本，是最早系统提出「学习非线性算子」的架构，至今仍是主流基线。