气候机器学习基准库
ClimateLearn 是 UCLA 机器学习组于 2023 年发布的 Python 库,以标准化、简洁的方式提供气候数据集、基线模型与评测指标,支持统计降尺度与时序预测的规模化基准测试。代码以 MIT 开源。
生物分子分子动力学
专注于生物分子(蛋白质、脂质、核酸)的高性能分子动力学包,以极致并行与向量化著称,是结构生物学与药物设计中经典 MD 的主力,也常作为生成训练数据的引擎。
新 LGPL-2.1 分子动力学生物分子蛋白质 可微数值计算框架
Google 开源的 NumPy 风格数值计算库,以 XLA 编译、自动微分与函数式变换(grad / jit / pmap / vmap)为核心,是 JAX-CFD、JAX-Fluids 等物理 AI 可微求解器与神经算子研究的底层算力。
新 Apache-2.0 自动微分XLA数值计算 分子动力学与多体仿真
Sandia 主导的开源分子动力学与粒子仿真器,支持从原子、介观到连续介质的多尺度模型与大量力场/势函数,是材料、化学与生物分子模拟的主力工具,也是 MLIP 训练与验证的常见基线。
可微 GPU 仿真框架
NVIDIA 开源的 Python 框架,把普通 Python 函数 JIT 编译为 CPU/CUDA 原生核,且每个核自动生成可微反向版本,可让梯度穿过整段物理仿真——是 Isaac Lab、Newton 等机器人/物理学习栈的底层算力。
新 Apache-2.0 可微仿真GPUJIT 编译 图神经网络框架
基于 PyTorch 的图神经网络库,提供图卷积、图注意力、消息传递等丰富算子与主流数据集/采样器,是分子、材料晶体与物理系统图表示学习(如 GNN 势、分子性质预测)的事实标准工具。
物理仿真 DSL
面向高性能计算的 Python 嵌入式 DSL,把 Python 写成并行、自动微分的核函数,内置 MPM / SPH / FEM 等物理仿真前端,是科研与原型期实现可微物理仿真的常用工具。
新 Apache-2.0 物理仿真可微编程DSL 流体/CFD
CompFlowLab 是面向可压缩流数据驱动建模的 Python 环境,可模拟激波、火焰和爆轰波等多组分反应流问题。
见LICENSE文件 可压缩流数据驱动建模化学反应流 通用科学ML/ScientificML
提供PDE-OBS偏微分方程模型资源,面向基于偏微分方程的物理建模与科学计算场景。
见LICENSE文件 偏微分方程科学机器学习模型资源 天体物理/Astrophysics
面向Blazar天体物理研究,融合文献检索、多波段数据访问分析与理论建模的多智能体AI框架。
见LICENSE文件 天体物理多智能体AIBlazar研究 量子/化学
基于 InternS1-Mini 的上下文条件化分子转移模型,针对药物性肝损伤(DILI)相关分子转化任务设计,用于化学反应预测与药物发现。
见LICENSE文件 分子转移药物发现化学反应预测 科学ML
基于深度学习的上下文条件化分子转移模型,针对致癌物场景实现分子结构的条件化迁移与生成,助力化学发现研究。
见LICENSE文件 分子转移化学发现分子生成 材料
提出任意二维晶体卷曲构管的一般性数学理论,实现为开源软件NTBuilder,提供桌面与网页界面,附带2000万纳米管结构目录。
见LICENSE文件 纳米管二维晶体材料发现 通用科学ML
Warp-Geo 提供 GPU 加速的可微分几何表示框架,从复杂三维点云重建符号距离场并计算曲面法向量,支持基于梯度的形状优化。
见LICENSE文件 可微几何符号距离场形状优化 流体/CFD
NVIDIA Earth-2利用AI大气模型与观测数据集成,为能源等天气敏感行业提供高分辨率天气预报与决策支持服务。
见LICENSE文件 天气预报大气建模AI气象 具身智能/机器人大模型
宇树科技发布6B参数通用具身智能模型UnifoLM-WLA-1.0,约2500小时真机训练,在具身推理领域取得7项开源SOTA。通过半群数据增强从单条轨迹挖掘大量训练对,是 PDE 基础模型方向的代表性工作。
见LICENSE文件 具身智能人形机器人基础模型 CFD
基于U-Net架构的36M参数监督学习模型,专注求解Navier-Stokes流体力学偏微分方程,发布于HuggingFace模型库。
见LICENSE文件 偏微分方程Navier-StokesU-Net PINN
基于物理信息神经网络(PINN)的热传导方程求解工具,通过神经网络嵌入热传导物理定律进行温度场预测。模型在热传导方程正/反问题均验证,支持 1D/2D/3D 几何与不规则边界 PINN 训练,附 TensorBoard 可视化。
见LICENSE文件 物理信息神经网络热方程热传导 推理优化
TensorRT Edge-LLM 在 Jetson AGX Thor 边缘平台上实现推理加速,使 AI Agent 边侧部署性能大幅提升。在 Jetson AGX Thor 等边缘平台实现推理加速,适合 AI Agent 边缘部署场景。
见LICENSE文件 边缘AITensorRTJetson 通用科学ML
基于U-Net架构的36M参数偏微分方程(PDE)神经网络求解器模型,支持PDE系统的数据驱动求解与预测
见LICENSE文件 偏微分方程神经网络求解器U-Net