DyMixOp-2dBurgers

模型介绍

DyMixOp-2dBurgers 是基于 DyMixOp 论文构建的二维 Burgers 方程流场预测模型，用于学习速度场随时间推进的代理求解过程。

论文：DyMixOp: Dynamic Mixture of Operators for Learning Across Heterogeneous PDEs

模型描述

DyMixOp-2dBurgers 采用局部-全局混合算子和时间尺度自适应动力学层，对 2D Burgers 数据中的 u/v 双通道速度场进行多步滚动预测。输入为前 10 帧速度场，输出为后 10 帧速度场，空间分辨率为 64 x 64。

适用场景

使用说明

1. OneCode 使用

可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：

点击体验智能化一键式 AI4S 编程

2. 手动安装使用

硬件要求

• 推荐使用 GPU 或 DCU 运行。
• CPU 可以用于导入和小配置连通性验证，完整训练和推理速度较慢。
• DCU 用户需要预先安装 DTK，建议使用与当前集群匹配的 OneScience 推荐版本。

下载模型包

modelscope download --model OneScience/DyMixOp-2dBurgers --local_dir ./DyMixOp-2dBurgers
cd DyMixOp-2dBurgers

安装运行环境

DCU环境

# 请首先激活DTK及CONDA
conda create -n onescience311 python=3.11 -y
conda activate onescience311
# 支持uv安装
pip install onescience[cfd-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

GPU环境

# 请首先激活CONDA
conda create -n onescience311 python=3.11 -y libstdcxx-ng=12 libgcc-ng=12 gcc_linux-64=12 gxx_linux-64=12
conda activate onescience311
# 支持uv安装
pip install onescience[cfd-gpu] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

训练数据介绍

OneScience 社区在 魔搭上 提供 OneScience/DyMixOp-Benchmarks 数据集，可通过以下命令下载：

modelscope download --dataset OneScience/DyMixOp-Benchmarks --include "2dBurgers_1200x20x2x64x64_dt0.0025_t[0_0.5]_nu0.005.mat" --local_dir ./data

数据变量为 uv，shape 为 (1200, 21, 2, 64, 64)，其中前 1000 条轨迹用于训练，后 200 条轨迹用于测试。

训练

python scripts/train.py

默认训练会保存 checkpoint：

./weight/best_model.pth

训练权重

本模型包在 weight/ 文件夹内提供本次训练得到的模型权重，可用于直接推理。

weight/best_model.pth

推理

python scripts/inference.py

本次推理使用 200 条测试轨迹，得到 normalized relative MSE 为 1.0623358757584356e-05，physical relative MSE 为 2.31623665895313e-04，RMSE 为 0.007739236151728116，MAE 为 0.005377683386206627。论文中 Large 配置的参考 relative MSE 为 9.18e-04，本结果为当前 OneScience 生成代码和本次运行设置下的实测结果。

评估和可视化

python scripts/result.py

可视化结果保存在 results/ 目录，包括：

results/final_time_first_sample.png
results/final_time_last_sample.png
results/training_curves.png

OneScience 官方信息

引用与许可证

• DyMixOp 原始论文：DyMixOp: Dynamic Mixture of Operators for Learning Across Heterogeneous PDEs。
• 本仓库保留来源说明，并面向 OneScience ModelScope 自动运行场景进行整理。