physicsnemo

用物理规律训练神经网络，让仿真又快又准

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。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3265

维护状态活跃

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队NVIDIA

所属国家

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

GitHubhttps://github.com/NVIDIA/physicsnemo

定价模式free

价格说明开源免费，NVIDIA 官方框架，无付费版本

访问状态

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★ 3265

30天Star增速

HF 下载量

上线时间2023-01-26 00:00:00

最近更新2026-09-18 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数0

使用教程

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
```

如何确认成功

README 未给出验证命令；可执行 pip show nvidia-physicsnemo 确认包已安装成功。

常见问题

Q：应该选 cu12 还是 cu13 后端？

A：取决于本机 CUDA 版本。README 顶部默认命令对应 CUDA 13 后端；CUDA 12 环境把后端换成 cu12，命令结构完全相同。

Q：不装 CUDA 相关的 RAPIDS 包可以吗？

A：可以。直接执行 pip install nvidia-physicsnemo 即为基础安装，使用 PyPI 默认的 PyTorch 发行版。

Q：如何同时启用多个可选功能？

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

Q：支持哪些 Python 版本？

A：README 未直接列出，请查看仓库中的 pyproject.toml，其中给出了支持的 Python 版本与精确依赖约束。

注意事项

依赖版本、支持范围与可选依赖组以仓库 pyproject.toml 为准
cu12 与 cu13 后端任选其一，可选功能组可与任一后端叠加
源码方式安装需要 uv 工具，请先按 uv 文档安装

核心亮点

原生支持 PINN、FNO、DeepONet、GNN 等主流 Physics-ML 模型，开箱即用
深度集成 NVIDIA Warp 与 CUDA，可微分物理求解与 GPU 加速训练一体化
由 NVIDIA 维护，文档、示例与预训练模型较完整，工程化程度高

不足之处

强依赖 NVIDIA GPU 生态，非 N 卡或纯 CPU 环境体验受限
物理约束调参与损失权重设计门槛较高，新手学习曲线偏陡
版本迭代较快，部分 API 与旧版 Modulus 代码存在兼容迁移成本

适用场景

用 PINN 求解 CFD/传热偏微分方程，替代部分传统数值仿真
训练神经算子代理模型，实现实时参数化仿真与数字孪生
为油气、气象、电磁等工业场景构建物理约束的 AI 代理模型

替代项目

DeepXDE、Modulus（旧版）、PhiFlow

项目介绍

physicsnemo 是一个模型训练领域的开源项目，官方简介：Open-source deep-learning framework for building, training, and fine-tuning deep learning models using state-of-the-art Physics-ML methods。项目使用 Python 开发，在 GitHub 上获得 3253 星标。

上一篇：quaterion

下一篇：AViD