φFlowは、最適化と機械学習アプリケーションのために構築されたオープンソースシミュレーションツールキットです。主にPythonで書かれており、Numpy、Pytorch、Jax、またはTensorflowで使用できます。これらの機械学習フレームワークとの密接な統合により、自動分化機能を活用できるようになり、学習モデルと物理シミュレーションの両方を含むエンドツーエンドの微分機能を簡単に構築できます。
流体ロゴ | ウェイクフロー | 蓋駆動型空洞 | テイラーグリーン |
煙のプルーム | 可変境界 | 並列シミュレーション | 動く障害物 |
回転バー | マルチグリッド液 | 高次のコルモゴロフ | 熱流 |
ハンバーガーの方程式 | 反応拡散 | 波 | ジュリアセット |
後ろ向きのステップ | 熱流 | メッシュ構造 | ウェイクフロー |
sph | フリップ | 流線 | 地形 |
重力 | ビリヤード | ロープ |
勾配降下 | スローを最適化します | 投げることを学ぶ | piv |
梱包を閉じます | 学習φ(x、y) | 微分可能な圧力 |
Python 3.6以降にPIPを使用したインストール:
$ pip install phiflow
機械学習機能とGPU実行を可能にするために、φフローに加えて、Pytorch、Tensorflow、またはJaxをインストールします。 Web UIを有効にするには、Dashもインストールします。最適なGPUパフォーマンスについては、カスタムCUDAオペレーターをコンパイルし、詳細なインストール手順を確認できます。
実行して、インストールを確認できます
$ python3 -c " import phi; phi.verify() "
これにより、互換性のあるPytorch、Jax、Tensorflowの設置も確認されます。
ドキュメントの概要• ▶YouTubeチュートリアル• API •デモ•遊び場
φ-flowは、 φmlのテンソル機能に基づいて構築されます。 φの流れがどのように機能するかを理解するには、最初に名前付きおよび型寸法を確認します。
次の引用を使用してください。
@inproceedings{holl2024phiflow,
title={${Phi}_{text{Flow}}$ ({PhiFlow}): Differentiable Simulations for PyTorch, TensorFlow and Jax},
author={Holl, Philipp and Thuerey, Nils},
booktitle={International Conference on Machine Learning},
year={2024},
organization={PMLR}
}
すぐにホワイトペーパーをアップロードします。それまでの間、ICLR 2020ペーパーを引用してください。
φの流れは、PdebenchやPdearenaなどのさまざまなパブリックデータセットの作成に使用されています。
φフローを使用するパッケージをもっと参照してください
バージョン履歴には、リリース以来のすべての大きな変更がリストされています。リリースはPypiにもリストされています。
貢献は大歓迎です!ガイドラインについては、このドキュメントをご覧ください。
この作業は、ERC開始グラントRealflow(STG-2015-637014)およびIntel Intelligent Systems Labによってサポートされています。