PhiFlow

φ_流是一种用于优化和机器学习应用程序的开源模拟工具包。它主要写在python中，可以与numpy，pytorch，jax或tensorflow一起使用。与这些机器学习框架的密切集成使其能够利用其自动分化功能，从而易于构建涉及学习模型和物理模拟的端到端可区分功能。

例子

网格

流体徽标	唤醒流	盖子驱动的腔	泰勒绿色
烟羽	可变边界	并行模拟	移动障碍
旋转条	多网状流体	高阶Kolmogorov	热流
汉堡的方程式	反应扩散	波浪	朱莉娅设定

网

向后朝向步骤	热流	网状建筑	唤醒流

颗粒

SPH	翻动	流线	地形
重力	台球	绳索

优化和网络

梯度下降	优化投掷	学习投掷	PIV
关闭包装	学习φ（x，y）	可微分压力

安装

使用PIP安装Python 3.6及以上：

$ pip install phiflow

除了φ_流以启用机器学习能力和GPU执行，安装Pytorch，TensorFlow或JAX。要启用Web UI，还要安装DASH。有关最佳GPU性能，您可以编译自定义CUDA操作员，请参阅详细的安装说明。

您可以通过运行来验证安装

$ python3 -c " import phi; phi.verify() "

这也将检查兼容的Pytorch，JAX和TensorFlow安装。

特征

• 与Pytorch，Jax和Tensorflow的紧密集成，用于直接的神经网络训练，并具有完全可分开的模拟，可以在GPU上运行。
• 内置的PDE操作侧重于流体现象，可以简化模拟制定。
• 具有实时可视化和交互式控件的灵活，易于使用的Web界面，可以影响模拟或网络培训。
• 面向对象的，矢量化的设计，用于表达代码，易用性，灵活性和可扩展性。
• 可重复使用的仿真代码，独立于后端和维度，即完全相同的代码可以使用tensorflow或pytorch在GPU上使用numpy和3D流体模拟的2D流体模拟代码。
• 具有自动稀疏矩阵生成的高级线性方程求解器。

文档和教程

文档概述• ▶YouTube教程• API •演示•游乐场

φ-Flow基于_φml的张量功能。要了解φ_流的工作原理，请先检查命名和键入维度。

入门

• 安装说明
• 张量
• 流体
• 食谱

物理

• 基于网格的流体
• 高阶方案

字段

• 概述
• 交错的网格
• I/O和场景格式

几何学

• 概述
• 签名的距离字段
• 高度图

张量

• ▶q简介视频
• 简介笔记本
• GPU执行

其他

• φ_流向搅拌器
• 避免什么：如何使代码与Pytorch，TensorFlow和Jax兼容
• 遗产可视化和破折号和控制台
• 旧物理概述

？引用

请使用以下引用：

 @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}
}

出版物

我们将很快上传白皮书。同时，请引用ICLR 2020纸。

• 学习用可区分物理学控制PDE， Philipp Holl，Vladlen Koltun，Nils Thuerey ，ICLR 2020。
• 求解器：从可区分的物理学中学习，与迭代PDE-SOLVERS， KIWON UM，Raymond Fei，Philipp Holl，Robert Brand，Nils Thuerey ，Neurips，Neurips，2020年2020年。
• φ_流：通过物理模拟进行深度学习的可区分求解框架， Nils Thuerey，Kiwon UM，Philipp Holl ，DiffCVGP 2020年Neurips。
• 基于物理学的深度学习（Book）， Nils Thuerey，Philipp Holl，Maximilian Mueller，Patrick Schnell，Felix Trost，Kiwon UM ，DiffCVGP 2020年Neurips。
• 体育深度学习的半距离梯度，帕特里克·施内尔（Patrick Schnell），菲利普·霍尔（Philipp Holl），尼尔斯·托雷（Nils Thuerey） ，ICLR 2022。
• 物理反演的规模不变学习，菲利普·霍尔（Philipp Holl），弗拉德伦·科尔托（Vladlen Koltun），尼尔斯·图里（Nils Thuerey） ，神经2022年。

基准和数据集

φ_流已用于创建各种公共数据集，例如pdebench和pdearena。

查看更多使用φ_流的软件包

版本历史记录

版本历史记录列出了自发布以来的所有主要更改。发行版也在PYPI上列出。

贡献

欢迎捐款！查看此文档以获取指南。

致谢

这项工作得到了ERC启动Grant Realflow（STG-2015-637014）和Intel Intellignent Systems Lab的支持。