NVIDIA/physicsnemo

解決的問題

PhysicsNeMo 提供一個標準化的 PyTorch 框架，用於物理機器學習（Physics ML）與科學機器學習（SciML）。它透過提供可重複使用的元件與端對端訓練配方，解決科學與工程領域中建構、訓練與擴展 AI 模型的困難，適用於複雜的物理領域。

如何運作

PhysicsNeMo 作為原生 PyTorch 庫建構，允許使用者將科學層、數值運算子與資料轉換整合至既有工作流程中。它支援多種科學資料表示形式，包括規則網格、網格、點雲與圖。為處理高解析度樣本，結合使用 ShardTensor 領域平行性與標準 PyTorch 分散式訓練（DDP 與 FSDP2）。

適用對象

適用於需要為物理系統建構 AI 代理模型或生成模型的航空航天、氣象預報、結構力學、地球物理、醫療健康（例如心血管流體）、增材製造等領域的研究人員與工程師。

主要亮點

• 廣泛的模型支援：包含 FNO、MeshGraphNet、Transolver 與 GraphCast 等多種模型家族，適用於不同資料表示形式。
• 領域專用配方：提供外部氣動、區域氣象擴散、車輛碰撞動力學等任務的即用型工作流程。
• 科學資料處理：原生支援結構化與非結構化離散化，保留資料的物理結構。
• 生成能力：包含用於逆物理與拓撲最佳化的擴散工具包。