physicsnemo

Q: 如何同时启用多个可选功能？

在方括号内用逗号组合后端与功能组，例如 pip install ＂nvidia-physicsnemo[cu13,gnns]＂。

用物理规律训练神经网络，让仿真又快又准

开源 🏷️完全免费 ✅ 目前可打开模型训练 🍴 复刻 829 🐛 待处理 108 👀 关注 62

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3417

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，NVIDIA 官方框架，无付费版本

项目预览

physicsnemo 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类模型训练

开发团队NVIDIA

官网地址https://developer.nvidia.com/physicsnemo

GitHubhttps://github.com/NVIDIA/physicsnemo

定价模式🏷️完全免费

价格说明开源免费，NVIDIA 官方框架，无付费版本

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deep-learning,machine-learning,nvidia-gpu,nvidia-warp,physics,pytorch

GitHub 星标★ 3417

上线时间2023-01-26 00:00:00

代码更新2026-11-04

仓库体积355.7 MB

本站数据更新2026-11-04

维护状态活跃

收录时间2026-09-16

浏览次数2

项目介绍

PhysicsNeMo（原 NVIDIA Modulus）是 NVIDIA 开源的物理机器学习（Physics-ML）深度学习框架，基于 PyTorch 构建，用于开发、训练和微调融合物理规律的神经网络模型。它解决的核心问题是：纯数据驱动的模型在科学计算场景中样本需求大、泛化差、难以满足守恒律与边界条件，而传统数值求解器又计算昂贵。框架提供物理信息神经网络（PINN）、神经算子（FNO/DeepONet）、图神经网络等多种模型范式，并集成 NVIDIA Warp、CUDA 加速与分布式训练能力，支持从 CFD、结构力学到电磁、气象等偏微分方程问题的求解与代理建模。用户可借助预置模型、数据管道和训练工具，快速搭建数字孪生、实时仿真与参数反演应用，并可在 GPU 集群上扩展到大规模工业级算例。

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 2026-09-16 · 当前星标 ★ 3417

技术标签

deep-learning machine-learning pytorch

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 6 步

环境要求

Python 环境（具体支持的版本以仓库 pyproject.toml 为准）
可选 NVIDIA CUDA 环境：README 提供 cu12 与 cu13 两种后端
使用 pip 安装包，或使用 uv 从源码同步依赖

安装与启动步骤

1确认 Python 版本

README 未写明具体版本号，请先查看仓库 pyproject.toml 中当前支持的 Python 版本、可选依赖组与依赖约束。
2安装 CUDA 13 后端

README 顶部命令默认选择 CUDA 13 后端，CUDA 13 环境直接安装该后端。
```
pip install "nvidia-physicsnemo[cu13]"
```
3改用 CUDA 12 后端

若本机为 CUDA 12 环境，把后端换成 cu12 即可，其余用法一致。
```
pip install "nvidia-physicsnemo[cu12]"
```
4基础安装

基础安装使用 PyPI 默认的 PyTorch 发行版，不安装 CUDA 专用的 RAPIDS 包。
```
pip install nvidia-physicsnemo
```
5叠加可选功能

可选功能组可与任一后端组合，方括号内用逗号分隔，例如同时启用 gnns。
```
pip install "nvidia-physicsnemo[cu13,gnns]"
```
6源码方式安装

从 GitHub 检出源码，用 uv 同步依赖，--extra 指定后端。
```
git clone https://github.com/NVIDIA/physicsnemo.git
cd physicsnemo
uv sync --extra cu13
```