Developed with PaddlePaddle

📘 使用文档 | 🛠️ 安装使用 | 📘 快速开始 | 👀 案例列表 | 🆕 最近更新 | 🤔 问题反馈

🔥 开放原子第二届开源大赛：飞桨科学计算工具组件开发大赛，总奖金25万人民币，火热报名中

🔥 PaddlePaddle Hackathon 7th 开源贡献个人挑战赛

🔥 CIKM 2024: AI辅助的先进空气动力学-优化汽车设计以实现最佳性能，已进入评奖阶段。

🔥 IJCAI 2024: 任意三维几何外形车辆的风阻快速预测竞赛，track A, B, C 代码： paddle实现 | pytorch实现(点击排行榜可查看各个赛道前10名的代码)

PaddleScience 是一个基于深度学习框架 PaddlePaddle 开发的科学计算套件，利用深度神经网络的学习能力和 PaddlePaddle 框架的自动(高阶)微分机制，解决物理、化学、气象等领域的问题。支持物理机理驱动、数据驱动、数理融合三种求解方式，并提供了基础 API 和详尽文档供用户使用与二次开发。

数学(AI for Math)

技术科学(AI for Technology)

材料科学(AI for Material)

地球科学(AI for Earth Science)

• 基于 PaddleScience 的 ADR 方程求解方法 Physics-informed neural networks for advection–diffusion–Langmuir adsorption processes 被 Physics of Fluids 2024 接受。
• 添加 IJCAI 2024: 任意三维几何外形车辆的风阻快速预测竞赛，track A, B, C 的 paddle/pytorch 代码链接。
• 添加 SPINN(基于 Helmholtz3D 方程求解) helmholtz3d。
• 添加 CVit(基于 Advection 方程和 N-S 方程求解) CVit(Navier-Stokes)、CVit(Advection)。
• 添加 PirateNet(基于 Allen-cahn 方程和 N-S 方程求解) Allen-Cahn、LDC2D(Re3200)。
• 基于 PaddleScience 的快速热仿真方法 A fast general thermal simulation model based on MultiBranch Physics-Informed deep operator neural network 被 Physics of Fluids 2024 接受。
• 添加多目标优化算法 Relobralo 。
• 添加气泡流求解案例(Bubble)、机翼优化案例(DeepCFD)、热传导仿真案例(HeatPINN)、非线性短临预报模型(Nowcasting(仅推理))、拓扑优化案例(TopOpt)、矩形平板线弹性方程求解案例(Biharmonic2D)。
• 添加二维血管案例(LabelFree-DNN-Surrogate)、空气激波案例(ShockWave)、去噪网络模型(DUCNN)、风电预测模型(Deep Spatial Temporal)、域分解模型(XPINNs)、积分方程求解案例(Volterra Equation)、分数阶方程求解案例(Fractional Poisson 2D)。
• 针对串联方程和复杂方程场景，Equation 模块支持基于 sympy 的符号计算，并支持和 python 函数混合使用(#507、#505)。
• Geometry 模块和 InteriorConstraint、InitialConstraint 支持计算 SDF 微分功能(#539)。
• 添加 MultiTaskLearning(ppsci.loss.mtl) 多任务学习模块，针对多任务优化(如 PINN 方法)进一步提升性能，使用方式：多任务学习指南(#493、#492)。

• 支持简单几何和复杂 STL 几何的采样与布尔运算。
• 支持包括 Dirichlet、Neumann、Robin 以及自定义边界条件。
• 支持物理机理驱动、数据驱动、数理融合三种问题求解方式。涵盖流体、结构、气象等领域 20+ 案例。
• 支持结果可视化输出与日志结构化保存。
• 完善的 type hints，用户使用和代码贡献全流程文档，经典案例 AI studio 快速体验，降低使用门槛，提高开发效率。
• 支持基于 sympy 符号计算库的方程表示与联立方程组计算。
• 更多特性正在开发中...

请在 PaddlePaddle 官网按照您的运行环境，安装 3.0-beta 或 develop 版的 PaddlePaddle。

安装完毕之后，运行以下命令，验证 Paddle 是否安装成功。

python -c "import paddle; paddle.utils.run_check()"

如果出现 PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. 信息，说明您已成功安装，可以继续安装 PaddleScience。

1. 基础功能安装

   从以下四种安装方式中，任选一种均可安装。

   • git 源码安装[推荐]

     执行以下命令，从 github 上 clone PaddleScience 源代码，并以 editable 的方式安装 PaddleScience。

     git clone -b develop https://github.com/PaddlePaddle/PaddleScience.git
     # 若 github clone 速度比较慢，可以使用 gitee clone
     # git clone -b develop https://gitee.com/paddlepaddle/PaddleScience.git
     
     cd PaddleScience
     
     # install paddlesci with editable mode
     pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

   • pip 安装

     执行以下命令以 pip 的方式安装 release / nightly build 版本的 PaddleScience。

     # release
     pip install -U paddlesci -i https://pypi.tuna.tsinghua.edu.cn/simple
     # nightly build
     # pip install https://paddle-qa.bj.bcebos.com/PaddleScience/whl/latest/dist/paddlesci-0.0.0-py3-none-any.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

   • conda 安装

     执行以下命令以 conda 的方式安装 release / nightly build 版本的 PaddleScience。

     # nightly build
     conda install paddlescience::paddlesci -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle -c conda-forge
     # release
     # conda install paddlescience::paddlescience=1.3.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle -c conda-forge

   • 设置 PYTHONPATH 并手动安装 requirements

     如果在您的环境中，上述两种方式都无法正常安装，则可以选择本方式，在终端内将环境变量 PYTHONPATH 临时设置为 PaddleScience 的绝对路径，如下所示。

     cd PaddleScience
     export PYTHONPATH=$PYTHONPATH:$PWD # for linux
     set PYTHONPATH=%cd% # for windows
     pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # manually install requirements

     注：上述方式的优点是步骤简单无需安装，缺点是当环境变量生效的终端被关闭后，需要重新执行上述命令设置 PYTHONPATH 才能再次使用 PaddleScience，较为繁琐。

2. 验证安装

   python -c "import ppsci; ppsci.utils.run_check()"

3. 开始使用

   import ppsci
   
   # write your code here...

如需基于复杂几何文件（*.stl, *.mesh, *.obj）文件进行训练、测试等流程，请参考完整安装流程：安装与使用

请参考 快速开始

除 PaddleScience 外，Paddle 框架同时支持了科学计算领域相关的研发套件和基础工具：

如使用过程中遇到问题或想提出开发建议，欢迎在 Discussion 提出建议，或者在 Issue 页面新建 issue，会有专业的研发人员进行解答。

PaddleScience 项目欢迎并依赖开发人员和开源社区中的用户，会不定期推出开源活动。

在开源活动中如需使用 PaddleScience 进行开发，可参考 PaddleScience 开发与贡献指南 以提升开发效率和质量。

• 🔥第七期黑客松

  面向全球开发者的深度学习领域编程活动，鼓励开发者了解与参与飞桨深度学习开源项目。活动进行中：PaddlePaddle Hackathon 7th 开源贡献个人挑战赛

• 🎁快乐开源

  旨在鼓励更多的开发者参与到飞桨科学计算社区的开源建设中，帮助社区修复 bug 或贡献 feature，加入开源、共建飞桨。了解编程基本知识的入门用户即可参与，活动进行中： PaddleScience 快乐开源活动表单

PaddleScience 作为一个开源项目，欢迎来各行各业的伙伴携手共建基于飞桨的 AI for Science 领域顶尖开源项目, 打造活跃的前瞻性的 AI for Science 开源社区，建立产学研闭环，推动科研创新与产业赋能。点击了解 飞桨AI for Science共创计划。

• PaddleScience 的部分模块和案例设计受 NVIDIA-Modulus、DeepXDE、PaddleNLP、PaddleClas 等优秀开源套件的启发。

• PaddleScience 的部分案例和代码由以下优秀社区开发者贡献，（完整的贡献者请参考: Contributors）： Asthestarsfalll， co63oc， MayYouBeProsperous， AndPuQing， lknt， mrcangye， yangguohao， ooooo-create， megemini， DUCH714， zlynna， jjyaoao， jiamingkong， Liyulingyue， DrRyanHuang， zbt78， Gxinhu， XYM， xusuyong， DrownFish19， NKNaN， ruoyunbai， sanbuphy， ccsuzzh， enkilee， GreatV ...

Apache License 2.0