CoDA-NO
用注意力机制快速求解多物理场 PDE，让仿真更高效
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 79
技术标签
核心亮点
- 创新性地将共域注意力引入神经算子，显著提升多物理场耦合建模精度
- 支持单物理到多物理的迁移，减少重新训练成本
- 基于 Python 实现，接口简洁，易于扩展和二次开发
不足之处
- 项目处于早期阶段，文档和示例尚不完善，上手门槛较高
- 依赖特定深度学习框架，可能限制部分用户的使用场景
适用场景
- 科研人员快速验证多物理场 PDE 求解新算法
- 工程仿真中加速流体-结构耦合等复杂问题求解
- 作为教学工具，演示神经算子与注意力机制在科学计算中的应用
替代项目
DeepXDE、FNO (Fourier Neural Operator)、PDE-Net
同类项目推荐
GeoPT
开源
用几何预训练，让物理仿真又快又准
Official Code for "GeoPT: Scaling Physics Simulation via Lifted Geometric Pre-Traini···
finetuning-notebooks
开源
跟着 Notebook 一步步微调图像视频生成模型
RAGEN
开源
多轮智能体强化学习训练与推理退化诊断
Agent RL framework for LLM agents: multi-turn reinforcement learning with StarPO and···
SINQ
开源
把大模型压小，又快又准，ICML 2026 出品
Welcome to the official repository of SINQ! A novel, fast and high-quality quantizat···
maxtext
开源
用 JAX 快速训练和扩展超大规模语言模型
A simple, performant, and scalable Jax LLM!
SiLLM
开源
在 Mac 上轻松训练和运行大模型，无需 NVIDIA GPU。
SiLLM simplifies the process of training and running Large Language Models (LLMs) on···
Primus
开源
在 AMD GPU 上高效训练大模型，开箱即用
A flexible and high-performance training framework designed for large-scale foundati···
TimeSeriesScientist
开源
一键搞定时间序列预测，省去繁琐调参
Official Repository for TimeSeriesScientist
chronos-forecasting
开源
像用语言模型一样，零样本预测任意时间序列
Chronos: Pretrained Models for Time Series Forecasting