README_zh.md

---
license: other
#用户自定义标签
tags:
  - BENO
  - CFD
  - neural operator
language:
  - en
  - zh
---
<p align="center">
  <strong>
    <span style="font-size: 30px;">BENO</span>
  </strong>
</p>

## 数据集描述

BENO 数据集来源于 ICLR 2024 论文 *BENO: Boundary-Embedded Neural Operators for Elliptic PDEs*，面向复杂边界条件下的椭圆型偏微分方程求解。数据包含四角、三角、两角、单角和无角等随机边界几何，并统一为 `32 x 32` 网格分辨率。

论文：[BENO: Boundary-Embedded Neural Operators for Elliptic PDEs](https://proceedings.iclr.cc/paper_files/paper/2024/file/218ca0d92e6ed8f9db00621e103dc70c-Paper-Conference.pdf)

## 数据集支持的任务

| 场景 | 说明 |
|---|---|
| 椭圆 PDE 求解 | 根据边界条件和方程右端项预测解场。 |
| 边界条件研究 | 比较 Dirichlet 和 Neumann 边界条件下的求解效果。 |
| 几何泛化评测 | 评估模型在不同随机边界形状上的泛化能力。 |
| 神经算子研究 | 为 BENO 等算子模型提供统一训练和评测数据。 |

## 数据集的格式和结构

数据按边界条件组织：

```text
data/
  Dirichlet/
  Neumann/
```

每类边界条件包含以下六种配置：`N32_0c`、`N32_1c`、`N32_2c`、`N32_3c`、`N32_4c` 和 `N32_mix`。每种配置包含 1,000 个 `float64` 样本：

| 文件 | shape | 说明 |
|---|---|---|
| `BC_<prefix>_all.npy` | `[1000, 128, 4]` | 边界坐标、边界值及边界特征。 |
| `RHS_<prefix>_all.npy` | `[1000, 1024, 4]` | 32×32 网格上的坐标、源项和单元状态。 |
| `SOL_<prefix>_all.npy` | `[1000, 1024, 1]` | 椭圆 PDE 解场。 |

## 数据集使用方式

本数据集适配 `OneScience-Sugon/BENO` 模型。下载数据集和模型：

```bash
hf download --dataset OneScience-Sugon/beno --local-dir ./data
```

## OneScience 官方信息

| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |

## 引用与许可证

- BENO 原始论文：[BENO: Boundary-embedded Neural Operators for Elliptic PDEs](https://openreview.net/forum?id=ZZTkLDRmkg)
- 本数据集基于 BENO 原始数据集整理与转换，使用时应遵循原始项目公布的许可要求。