工具 / 框架

数据分析 / 并行计算

分布式 DataFrame 库，Drop-in 替代 pandas 自动并行化，支持 Dask/Ray/Intel，为大规模仿真数据分析提供加速。Drop-in 替代 pandas 自动并行化，为大数据科学计算与代理模型训练提供基础工具。

可微 CFD 求解器

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。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。

数值求解库 / HPC

高性能科学计算线性/非线性求解器库，支持大规模稀疏矩阵迭代求解，是高端 CFD 与多物理场仿真的底层求解核心。库集成 MPI/OpenMP/CUDA 多后端，支持 PETSc-FEM 与多物理场耦合，是工业级 CAE 求解栈的常见底层。

可视化 / 后处理

VTK 的 Python 三维可视化与网格处理框架，提供简洁 API 用于操作场数据、渲染网格、生成动画，是仿真结果可视化的首选 Python 库。支持 3D 渲染、动画导出与 Jupyter 交互式可视化，是科学 ML 工作流的事实标准。

求解 / 训练框架

NVIDIA 物理 ML 训练框架（原 Modulus），内置 PINN、神经算子与多种物理约束训练范式，商用友好，工业首选。提供 PyTorch/TensorFlow 多后端实现，适合作为物理 AI 入门首选框架。

科学计算/有限元

FEniCS/dolfinx 发布补丁版本，修复内置文档中 Mathjax 渲染问题，功能与 v0.11.0 完全相同，用户无需升级。支持高阶单元与大规模并行，是学术界多物理场耦合仿真的标准工具之一。

PINN 入门框架

最易上手的 PINN 框架，中文文档极佳，支持 TensorFlow/PyTorch 等多后端，是物理信息神经网络入门首选。提供 PyTorch/TensorFlow 多后端实现，适合作为物理 AI 入门首选框架。

神经算子库

FNO / DeepONet 等神经算子的标准实现库（MIT 许可），是训练「无限维映射」代理模型的事实标准工具。库提供 PyTorch 原生 API 与 FFT 加速的训练循环，覆盖 FNO / TFNO / GNO / DeepONet 等核心架构。

神经算子

基于神经算子的预测模型，针对采样测量场景设计，托管于HuggingFace的机器学习工具。模型专为稀疏传感器测点设计，将神经算子映射到任意坐标 query，适合工业现场部署。

神经网络/AI4Science

Delta实验室在HuggingFace上发布的基础物理领域神经算子模型项目，具体功能与性能请参阅官方仓库文档。项目由 Delta 实验室托管，含预训练权重与微调示例，建议结合官方文档评估适用性。

PDE 基础模型 / 下游基准

苏黎世联邦理工（ETH）CAM 实验室发布的 PDE 基础模型与下游微调套件，通过半群数据增强从单条轨迹挖掘大量训练对，覆盖 15 类 PDE 下游任务。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 CFD 求解器

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。可作为物理 AI 训练数据生成器与代理模型验证基线，是 CAE 工业链路的常用底层。

气动 / 设计优化求解器

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。可作为物理 AI 训练数据生成器与代理模型验证基线，是 CAE 工业链路的常用底层。

可微流体求解器

Google Research 基于 JAX 的可微流体求解器，支持端到端梯度反传，用于把神经网络嵌入 CFD 时间推进、做可微物理与混合建模研究。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。

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。

PINN

HuggingFace平台上托管的物理信息神经网络模型，名称暗示与MRI成像和SIREN架构相关，详细信息待查阅官方页面。提供 PyTorch/TensorFlow 多后端实现，适合作为物理 AI 入门首选框架。

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。

科学计算

HuggingFace平台上的科学计算模型，集成动态模态分解与神经算子方法，支持科学数据建模与预测任务。模型融合 DMD 线性降阶与神经算子非线性残差建模，对高维时序科学数据具有较好的采样效率。