File size: 2,845 Bytes
d8cc85c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
---
license: other
#用户自定义标签
tags:
  - Operator Learning
  - Neural PDE Solvers
language:
  - en
  - zh
---
<p align="center">
  <strong>
    <span style="font-size: 30px;">PDENNEval</span>
  </strong>
</p>

## 数据集描述

PDENNEval 是用于评测神经网络 PDE 求解方法的综合数据集,来源于 IJCAI 2024 论文。数据覆盖函数学习和算子学习任务,包含流体、材料、金融和电磁等多个科学领域的 15 类 PDE 问题。

数据集由 10 个 PDEBench 数据文件和 6 个自生成数据文件组成,总规模约 286.9 GB,可用于模型预检、训练、评测和跨问题比较。

论文:[PDENNEval: A Comprehensive Evaluation of Neural Network Methods for Solving PDEs](https://www.ijcai.org/proceedings/2024/573)

## 数据集支持的任务

| 场景 | 说明 |
|---|---|
| PDE 解场预测 | 根据方程参数、坐标或初始条件预测 PDE 解。 |
| 函数学习评测 | 比较神经网络对单个 PDE 问题的求解能力。 |
| 算子学习评测 | 评估模型在不同输入条件和方程任务上的泛化能力。 |
| 跨领域科学计算 | 覆盖流体、扩散反应、材料、金融和电磁问题。 |

## 数据集的格式和结构

数据文件统一采用 HDF5 格式,扩展名为 `.hdf5``.h5````text
data/
  PDEBench 数据文件
  自生成 PDE 数据文件
```

数据内容包括一维、二维和三维 PDE 的坐标、时间、系数场、边界条件以及解场。覆盖 Advection、Burgers、Diffusion-Reaction、Darcy Flow、Shallow Water、Allen-Cahn、Cahn-Hilliard、Navier-Stokes、Euler、Maxwell 和 Black-Scholes-Barenblatt 等问题。

不同 PDE 的字段和张量形状存在差异,具体 schema 以数据文件及 `metadata/pdenneval_schema.json` 为准。

## 数据集使用方式

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

```bash
hf download --dataset OneScience-Sugon/pdenneval --local-dir ./pdenneval
hf download --model OneScience-Sugon/PDENNEval --local-dir ./PDENNEval
```

## 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

- PDENNEval 原始论文:[PDENNEval: A Comprehensive Evaluation of Neural Network Methods for Solving PDEs](https://doi.org/10.24963/ijcai.2024/573)
- PDEBench 原始论文:[PDEBench: An Extensive Benchmark for Scientific Machine Learning](https://arxiv.org/abs/2210.07182)
- PDEBench 数据集:[PDEBench Datasets](https://doi.org/10.18419/darus-2986)
- 本仓库保留来源说明;公开分发或二次发布前,请根据上游项目确认许可证要求。