Developed with PaddlePaddle
PaddleScience 是一个基于深度学习框架 PaddlePaddle 开发的科学计算套件，利用深度神经网络的学习能力和 PaddlePaddle 框架的自动(高阶)微分机制，解决物理、化学、气象等领域的问题。支持物理机理驱动、数据驱动、数理融合三种求解方式，并提供了基础 API 和详尽文档供用户使用与二次开发。
- 支持简单几何和复杂 STL 几何的采样与布尔运算。
- 支持包括 Dirichlet、Neumann、Robin 以及自定义边界条件。
- 支持物理机理驱动、数据驱动、数理融合三种问题求解方式。涵盖流体、结构、气象等领域 8+ 案例。
- 支持结果可视化输出与日志结构化保存。
- 完善的 type hints，用户使用和代码贡献全流程文档，经典案例 AI studio 快速体验，降低使用门槛，提高开发效率。
- 更多特性正在开发中...
-
执行以下命令，从 github 上克隆 PaddleScience 项目，进入 PaddleScience 目录，并将该目录添加到系统环境变量中
git clone https://github.com/PaddlePaddle/PaddleScience.git cd PaddleScience export PYTHONPATH=$PWD:$PYTHONPATH
-
安装必要的依赖包
pip install -r requirements.txt
-
验证安装
python -c "import ppsci; ppsci.utils.run_check()"
-
开始使用
import ppsci # write your code here...
更多安装方式请参考 安装与使用
请参考 快速开始
请参考 经典案例
如使用过程中遇到问题或想提出开发建议，欢迎在 Issue 页面新建 issue。
PaddleScience 项目欢迎并依赖开发人员和开源社区中的用户，请参阅 贡献指南。
PaddleScience 的部分模块和案例设计受 NVIDIA-Modulus、DeepXDE、PaddleNLP、PaddleClas 等优秀开源套件的启发。