The Well：面向机器学习的大规模多样化物理模拟集合

Papers with Code Trending 论文
physics-simulation dataset machine-learning benchmark spatiotemporal fluid-dynamics numerical-simulation

摘要

The Well是一个包含16个领域、15TB多样化物理模拟数据集的大规模集合，旨在为时空物理系统的机器学习代理模型提供基准测试。它提供了统一的PyTorch接口和示例基线，以加速基于模拟的工作流程。

基于机器学习的代理模型为研究人员加速基于模拟的工作流程提供了强大工具。然而，由于该领域的标准数据集通常只覆盖小范围的物理行为，评估新方法的有效性变得困难。为了弥补这一差距，我们推出了The Well：一个包含多种时空物理系统数值模拟数据集的大规模集合。The Well汇集了领域专家和数值软件开发者的成果，提供了涵盖16个数据集的15TB数据，涉及生物系统、流体动力学、声学散射以及河外流体或超新星爆发的磁流体动力学模拟等多个领域。这些数据集可以单独使用，也可以作为更广泛基准测试套件的一部分。为了便于使用The Well，我们提供了一个统一的PyTorch接口，用于训练和评估模型。我们通过引入示例基线来演示该库的功能，这些基线突显了The Well复杂动力学带来的新挑战。代码和数据可在https://github.com/PolymathicAI/the_well获取。
查看原文
查看缓存全文

缓存时间: 2026/06/27 17:18

论文页面 - The Well: 面向机器学习的大规模多样化物理仿真数据集

来源：https://huggingface.co/papers/2412.00568 发布于 2024 年 11 月 30 日

作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

大规模数据集集合 The Well 提供了多样化的数值仿真数据，用于在物理系统仿真中对机器学习模型进行基准测试。

基于机器学习的代理模型（https://huggingface.co/papers?q=surrogate%20models）为研究人员提供了加速基于仿真的工作流（https://huggingface.co/papers?q=simulation-based%20workflows）的强大工具。然而，由于该领域的标准数据集通常只涵盖小类物理行为，因此难以评估新方法的有效性。为弥补这一空白，我们推出了 The Well：一个大规模数据集集合，包含多种时空物理系统（https://huggingface.co/papers?q=spatiotemporal%20physical%20systems）的数值仿真（https://huggingface.co/papers?q=numerical%20simulations）。The Well 汇集了领域专家和数值软件开发者的成果，提供了 15TB 数据，涵盖 16 个数据集，涉及生物系统（https://huggingface.co/papers?q=biological%20systems）、流体动力学（https://huggingface.co/papers?q=fluid%20dynamics）、声散射（https://huggingface.co/papers?q=acoustic%20scattering）以及星系际流体或超新星爆炸的磁流体动力学仿真（https://huggingface.co/papers?q=magneto-hydrodynamic%20simulations）等多个领域。这些数据集可单独使用，也可作为更广泛基准测试套件（https://huggingface.co/papers?q=benchmark%20suite）的一部分。为方便使用 The Well，我们提供了统一的 PyTorch 接口（https://huggingface.co/papers?q=PyTorch%20interface）用于训练和评估模型。我们通过引入示例基线来展示该库的功能，这些基线突显了 The Well 中复杂动力学带来的新挑战。代码和数据可在 https://github.com/PolymathicAI/the_well 获取。

查看 arXiv 页面（https://arxiv.org/abs/2412.00568）查看 PDF（https://arxiv.org/pdf/2412.00568）GitHub3.63k（https://github.com/PolymathicAI/the_well）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2412.00568）

在您的 agent 中获取这篇论文：

hf papers read 2412.00568

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2412.00568，以便在此页面链接。

引用此论文的数据集13

polymathic-ai/acoustic_scattering_inclusions 更新于 2025 年 4 月 10 日 • 23.5k（https://huggingface.co/datasets/polymathic-ai/acoustic_scattering_inclusions）

polymathic-ai/rayleigh_benard 更新于 2025 年 4 月 10 日 • 6.88k（https://huggingface.co/datasets/polymathic-ai/rayleigh_benard）

polymathic-ai/planetswe 更新于 2025 年 4 月 10 日 • 5.87k • 1（https://huggingface.co/datasets/polymathic-ai/planetswe）

polymathic-ai/acoustic_scattering_discontinuous 更新于 2025 年 4 月 10 日 • 5.34k • 1（https://huggingface.co/datasets/polymathic-ai/acoustic_scattering_discontinuous）

浏览引用此论文的 13 个数据集（https://huggingface.co/datasets?other=arxiv:2412.00568）### 引用此论文的空间1

包含此论文的收藏集5

浏览包含此论文的 5 个收藏集（https://huggingface.co/collections?paper=2412.00568）

相似文章