
AI4Science-WestlakeU/RealPDEBench
📊 DatasetAI4Science-WestlakeU
Ein umfassender Benchmark für physikalische Systeme mit gepaarten realen und simulierten Daten für PDE-basierte KI-Modelle.
RealPDEBench adressiert eine grundlegende Herausforderung des wissenschaftlichen maschinellen Lernens: die „Sim-to-Real“-Lücke. Obwohl neuronale Operatoren bei der Lösung partieller Differentialgleichungen (PDEs) vielversprechend sind, scheitern sie oft bei realen Systemen aufgrund von Rauschen, Messfehlern und Modellabweichungen. Dieser Benchmark bietet eine standardisierte Umgebung mit gepaarten realen und simulierten Daten, die eine rigorose Prüfung der Modellrobustheit ermöglicht. Der Datensatz deckt eine Vielzahl komplexer physikalischer Phänomene ab und bietet hochpräzise Ground-Truth-Daten neben experimentellen Messungen. Er wurde speziell entwickelt, um die Entwicklung zuverlässigerer, physik-informierter KI-Modelle zu fördern, die auch außerhalb idealisierter Simulationsumgebungen effektiv arbeiten können. Das Repository enthält Python-basierte Werkzeuge für das Laden von Daten, Evaluierungsmetriken und Baseline-Implementierungen, was es zu einem essenziellen Framework für die Forschung im Bereich physikbewussten Deep Learnings und numerischer Strömungsmechanik macht.
💡Highlights
- ├─Gepaarte reale/simulierte Daten
- ├─ICLR 2026 Oral Benchmark
- └─Fokus auf Sim-to-Real Generalisierung
🎯Für
- ├─KI-Forscher
- └─Computerphysiker