SPUS-PDE-UNet-36M Navier-Stokes监督学习模型

基于U-Net架构的36M参数偏微分方程（PDE）神经网络求解器模型，支持PDE系统的数据驱动求解与预测

基于 UNet 架构的 36M 参数 Navier-Stokes 方程求解器模型，采用 PWC（逐点耦合）策略实现流场高精度预测。

基于HuggingFace的物理信息神经网络CFD模型仓库，提供将物理约束嵌入神经网络进行计算流体力学建模的方法。模型实现 RANS 方程 PINN 训练 pipeline，含湍流

基于物理信息神经网络的压缩欧拉方程求解模型，托管于 HuggingFace。模型针对压缩欧拉方程族设计，使用守恒型 PINN 损失，适合激波相关流动代理建模。可作为基线对比。

通过N=128分辨率数值模拟，研究随机激励二维不可压缩Navier-Stokes方程在快速平流极限下稳态分布向大尺度集中的现象。