poseidon

用预训练模型秒解复杂物理方程，省时又精准

Poseidon 是一个面向偏微分方程（PDE）的高效基础模型，基于论文《Poseidon: Efficient Foundation Models for PDEs》开源实现。它解决传统数值求解器计算成本高、泛化能力弱的问题，通过预训练-微调范式，在多种PDE（如达西流、NS方程等）上实现快速、准确的预测。核心能力包括：多尺度架构设计，支持不同分辨率的输入输出；预训练模型可直接用于下游任务，大幅减少训练数据需求；提供完整的训练、评估和推理代码，便于复现和扩展。项目采用PyTorch实现，代码结构清晰，适合科研和工程应用。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 197
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队camlab-ethz
所属国家
官网地址https://camlab-ethz.github.io/poseidon
GitHubhttps://github.com/camlab-ethz/poseidon
定价模式free
价格说明开源代码，无在线服务，需自行部署，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型foundation-models,operators,pdes,scientific-computing,scientific-machine-learning
GitHub 星标★ 197
30天Star增速
HF 下载量
上线时间2024-05-22 00:00:00
最近更新2026-09-21 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 预训练模型可迁移至多种PDE，微调成本低，泛化能力强
  • 多尺度架构支持不同分辨率，适应实际工程场景
  • 代码完整，包含论文复现实验和预训练权重，易于上手

不足之处

  • 文档/社区待观察，项目早期，使用教程和社区支持有限
  • 依赖特定PDE数据集，通用性需进一步验证

适用场景

  • 科研：快速验证新PDE模型的性能，作为基线对比
  • 工程：替代传统数值模拟，实现实时预测和参数优化
  • 教学：用于深度学习求解PDE的教学示例

替代项目

DeepXDE、FNO (Fourier Neural Operator)、PDE-Net

项目介绍

poseidon 是开源模型领域的开源项目，由 camlab-ethz 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 197。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。开源代码，无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：科研：快速验证新PDE模型的性能，作为基线对比。同类可对比的替代方案包括 DeepXDE、FNO (Fourier Neural Operator)、PDE-Net。

上一篇：small-doge

下一篇：PhysioWave

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA，一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10