README_zh.md

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

## 数据集介绍

Lagrangian 数据集来源于 DeepMind 团队发表于 ICML 2020 的论文 [《Learning to Simulate Complex Physics with Graph Networks》](https://proceedings.mlr.press/v119/sanchez-gonzalez20a.html)，是该论文 Graph Network-based Simulator（GNS）基准中的二维 Water 粒子动力学数据。数据以粒子为图节点，通过粒子位置序列和粒子类型描述流体随时间的演化，可用于拉格朗日粒子动力学建模、流体长期滚动预测以及图神经网络物理仿真评测。


## 数据集支持的任务

本标准化数据集仓库整理了 Lagrangian Water 的训练集、验证集和测试集 TFRecord 文件，以及数据元信息、数据模式、完整性汇总和校验脚本，可作为 `OneScience/LagrangianMGN` 模型的训练、推理、评测和可视化数据输入。核心数据统一放置在 `data/Water/` 下，其中训练集包含 1,000 条轨迹，验证集和测试集各包含 30 条轨迹。


## 数据集的格式和结构

数据集采用 TFRecord SequenceExample 格式，每条记录对应一条粒子运动轨迹。粒子数量 `num_particles` 随轨迹变化，空间维度 `dim=2`。

| 特征 | 所属部分 | shape | dtype | 源编码 | 说明 |
|---|---|---:|---|---|---|
| `position` | sequence feature | `[1001, num_particles, 2]` | `float32` | `bytes` | 1,001 帧粒子二维位置，对应 1,000 个演化时间步 |
| `particle_type` | context feature | `[num_particles]` | `int64` | `bytes` | 每个粒子的类型标识 |

数据划分如下：

| 文件 | split | 轨迹数 | 说明 |
|---|---|---:|---|
| `data/Water/train.tfrecord` | `train` | 1,000 | 用于模型训练 |
| `data/Water/valid.tfrecord` | `valid` | 30 | 用于模型验证与参数选择 |
| `data/Water/test.tfrecord` | `test` | 30 | 用于模型测试与结果评估 |

`data/Water/metadata.json` 还包含 `bounds=[[0.1, 0.9], [0.1, 0.9]]`、`sequence_length=1000`、`default_connectivity_radius=0.015`、`dt=0.0025`，以及 `vel_mean`、`vel_std`、`acc_mean` 和 `acc_std` 等归一化字段。

## 数据集使用方式

本数据集适配 `OneScience-Sugon/LagrangianMGN` 模型。

- 文件与下载：

```bash
hf download --dataset OneScience-Sugon/lagrangian --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

- Lagrangian Water 原始论文：[Learning to Simulate Complex Physics with Graph Networks](https://proceedings.mlr.press/v119/sanchez-gonzalez20a/sanchez-gonzalez20a.pdf)
- 本数据集整理于 Google DeepMind 发布的 Learning to Simulate 项目，公开分发前请根据上游项目确认许可证要求。