PINNsformer
模型介绍
PINNsFormer 是由美国佐治亚理工学院与卡内基梅隆大学研究团队提出的基于 Transformer 的物理信息神经网络框架，可对具有时间依赖性的偏微分方程解及其对应物理场进行快速预测。
论文：PINNsFormer: A Transformer-Based Framework For Physics-Informed Neural Networks。
模型描述
PINNsFormer 基于 Transformer 编码器—解码器和多头注意力架构，面向对流方程、反应方程、波动方程及 Navier–Stokes 方程等时变偏微分方程开展数值求解。
适用场景
| 场景 | 说明 |
|---|---|
| 时变 PDE 求解 | 通过物理残差、边界条件和初始条件约束训练连续场代理模型 |
| 物理信息神经网络验证 | 快速检查 PINNsformer 网络、损失函数、权重保存和推理链路 |
| 一维反应方程示例 | 基于解析解生成目标场，用于流程连通性验证和误差计算 |
| 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 |
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：
2. 手动安装使用
硬件要求
- CPU 可用于小配置流程验证。
- 推荐使用 GPU 或 DCU 进行较大网格、较多 epoch 的训练。
- 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/PINNsformer --local_dir ./PINNsformer
cd PINNsformer
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
如需使用真实数据，可通过如下链接下载，并将 conf/config.yaml 中的 data.data_dir 进行正确的路径配置。
| 下载源 | 链接 | 提取码 | 下载后放置位置 |
|---|---|---|---|
| 百度网盘 | https://pan.baidu.com/s/1pM4ICc6FJX5pLF7WEoozxQ?pwd=5gha | 5gha |
convection/convection.mat 和 navier_stokes/cylinder_nektar_wake.mat |
训练
python scripts/train.py
默认配置使用较小网格和较少 LBFGS 迭代，便于快速跑通流程。如需恢复原始示例规模，可修改 conf/config.yaml：
data:
x_num: 101
t_num: 101
training:
epochs: 500
训练权重
本仓库在weights/文件夹内提供基于pinnsformer数据训练的模型权重，该权重即将上传。
推理
python scripts/inference.py
推理会读取 weight/1dreaction_pinnsformer.pt，并保存：
result/prediction.npz
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
- PINNsformer 原始论文：PINNsFormer: A Transformer-Based Framework For Physics-Informed Neural Networks。
- 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。