PDENNEval

模型介绍

PDENNEval 是中山大学团队提出的神经网络偏微分方程求解方法综合评测基准，可对函数学习与算子学习方法在多类 PDE 任务上的求解性能进行系统比较。

论文：PDENNEval: A Comprehensive Evaluation of Neural Network Methods for Solving PDEs

模型描述

PDENNEval 基于统一的神经网络 PDE 求解评测框架，使用高精度传统科学计算方法生成的 16 组数据，覆盖流体力学、材料科学、金融和电磁学等领域的 19 类 PDE 问题，面向 12 种神经网络方法开展求解精度、计算效率与鲁棒性评估。

适用场景

场景	说明
PDE 神经算子训练验证	使用 FNO 在 PDEBench 风格 HDF5 数据上完成最小训练和推理闭环
神经网络 PDE 方法扩展	`model/` 已包含 FNO、DeepONet、PINO-FNO、UNO、MPNN、UNet 等模型定义
ModelScope/OneCode 运行	作为独立模型包下载后直接安装依赖并运行脚本
快速连通性检查	使用 `fake_data.py` 和 `smoke_models.py` 验证数据、模型和脚本可运行

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 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。

下载模型包

modelscope download --model OneScience/PDENNEval --local_dir ./PDENNEval
cd PDENNEval

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 社区提供可供训练的pdenneval数据集，用户可通过下述命令下载，并确认'conf/config.yaml'中数据路径设置正确；

modelscope download --dataset OneScience/pdenneval  --local_dir ./data

训练

python scripts/train.py

训练权重

本仓库在weights/文件夹内提供基于pdenneval数据集训练的权重，即将上传该权重。

推理

python scripts/inference.py

推理默认读取 weight/best_model.pt，并将 .npz 结果写入 result/output/。

评估和可视化

python scripts/result.py

OneScience 官方信息

平台	OneScience 主仓库	Skills 仓库
Gitee	https://gitee.com/onescience-ai/onescience	https://gitee.com/onescience-ai/oneskills
GitHub	https://github.com/onescience-ai/OneScience	https://github.com/onescience-ai/oneskills

引用与许可证

PDENNEval 原始论文：PDENNEval: A Comprehensive Evaluation of Neural Network Methods for Solving PDEs。
本仓库已保留相关来源及归属说明。使用、修改或分发本仓库内容时，请遵循相应的许可证要求。