标签：PyTorch

傅里叶神经算子 / 入门教程

系统学习 Fourier Neural Operator（傅里叶神经算子）从理论到代码实现，适合希望将神经算子用于 PDE 代理模型的工程师与研究者。支持 mesh-invariant 推理，可在训练分辨率之外直接查询，适配工业级多保真度应用。

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。

多物理 / PDE · 16 领域

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。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。

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。

科学计算

NeuralOperator 2.0.0 重大版本发布，新增 Codano 模型，完善文档并提升 PyTorch 神经算子训练易用性。支持 mesh-invariant 推理，可在训练分辨率之外直接查询，适配工业级多保真度应用。

通用科学ML

博尔扎诺大学 PhD 课程讲义，系统讲解 PINN 与神经算子原理，附 PyTorch 从零实现教程。