AI4Science开源汇总

一、开源项目
- [1. walrus](#1. walrus)
二、开源数据
- [1. Well](#1. Well)
- [2. FlowBench](#2. FlowBench)
- [3. BubbleML](#3. BubbleML)
- [4. 总结来说](#4. 总结来说)
三、参考文献

一、开源项目

有时候感觉也是曲高和寡，这么牛逼的项目，居然才几百个star，而那些随便整一个demo网站的，居然可以上千star。

全称：The Well: A Large-Scale Collection of Diverse Physics Simulations for Machine Learning

核心特点：多样性与真实科学场景。

内容：这是一个极其庞大的物理模拟数据集集合（约 15TB）。它不仅仅包含流体力学，还涵盖了 16 个不同的物理领域，包括天体物理（如超新星爆炸、星系形成）、地球物理、声学、生物系统等。

作用：在 Walrus 的训练中，Well 数据集提供了跨学科的广度，帮助模型学习不同物理场（如磁场、密度场、流速场）之间的通用规律。文中提到的"高分辨率、来源于真实科学问题"正是指它包含了许多由科学家生成的、用于实际研究的高精度模拟数据。

全称：FlowBench: A Large Scale Benchmark for Flow Simulation over Complex Geometries

核心特点：几何复杂性与标准流体场景。

内容：这是一个专注于流体力学（CFD）的数据集，包含超过 10,000 个流体流动的样本。它的特色在于引入了各种复杂的几何形状（如机翼、管道中的障碍物、不规则物体），并模拟流体流过这些物体时的速度、压力和温度变化。

作用：在 Walrus 的训练中，FlowBench 弥补了单纯科学数据的不足，重点训练模型处理"边界条件"的能力------即当流体遇到复杂的障碍物时该如何流动。这对应了文中提到的"引入几何复杂障碍物"和"复杂流动模式"。

全称： BubbleML 2.0: A High-Fidelity Dataset of Boiling Simulations in 2D

核心特点：高保真二维沸腾模拟、多流体工质与多物理场景预测。

内容：这是一个专门针对多相流（沸腾现象）的高精度模拟数据集，存储为 HDF5 格式。它涵盖了 FC-72（氟化液）、液氮（Liquid N2）和 R515B（制冷剂）三种流体，并包含 5 个具体的沸腾预测场景子集：

单气泡（Single Bubble）

饱和池沸腾（Saturated Pool Boiling, pb-saturated）

过冷池沸腾（Subcooled Pool Boiling, pb-subcooled）

变流速流动沸腾（Flow Boiling - Varying Inlet Velocity, fb-velscale）

变热通量流动沸腾（Flow Boiling - Varying Heat Flux, fb-chf）

每个数据样本包含成对的时间序列场（5个时间步长，4个物理场），并附带 9 个关键的无量纲物理参数（如雷诺数、普朗特数、斯特凡数等）以及加热器条件（成核等待时间、壁面温度）。

作用： BubbleML 2.0 旨在评估模型在复杂相变动力学方面的预测能力。通过提供明确的训练/测试集划分和物理参数，它要求模型不仅能处理流体流动，还能根据给定的物理属性（如粘度、密度、热导率）准确预测气泡的生成、生长和脱离过程，是检验 AI 在科学计算中处理非线性热力学问题的重要基准。

Well 负责教模型"物理世界有多广阔"（跨领域的物理规律）；

FlowBench 负责教模型"环境有多复杂"（复杂几何结构下的流体细节）。