JAX-CFD
JAX-CFD 用 JAX 实现不可压 Navier-Stokes 求解，使整个时间推进循环可微、 可在加速器上 JIT 编译。
适用场景：让学习型修正项穿过求解器参与训练的混合建模；基于梯度的湍流封闭建模；湍流模型发现。
标签: JAX可微物理CFDGoogle混合建模
相关条目
- JAX-Fluids · 基于 JAX 的全自动可微 CFD 求解器，支持 CPU/GPU/TPU，专注端到端可微流体仿真，可与神经网络无缝耦合做梯度反传。
- NVIDIA Transformer Engine 在 JAX 中加速无Drop MoE训练 · NVIDIA Transformer Engine 新增JAX支持的MoE优化内核，助力大规模AI模型高效稀疏训练。
- OpenFOAM · 开源 CFD 的事实标准求解器，覆盖不可压/可压流动、传热、多相与燃烧等，是生成物理 AI 训练数据与验证代理模型精度的主要工具。
- SU2 · 开源 CFD 与伴随（adjoint）求解器，内置气动外形优化能力，广泛用于翼型/整机气动分析与梯度驱动设计，可作为代理模型的高保真对照。
- DeepXDE v1.15.0 · 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。