PhiFlow

构建状态

Φ<sub>Flow</sub> 是一个开源的仿真工具包，专为优化和机器学习应用而构建。它主要用 Python 编写，可以与 NumPy, PyTorch, Jax 或 TensorFlow 一起使用。与这些机器学习框架的紧密集成使其能够利用它们的自动微分功能，使得构建涉及学习模型和物理仿真的端到端可微函数变得容易。

示例

网格

<table> <tbody> <tr> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Fluid_Logo.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/01f76e75-3e7e-4d5e-a37b-b603897407d5.gif"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Wake_Flow.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e56bac2c-cbe9-4dc8-bc9f-9b86edfa0357.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Lid_Driven_Cavity.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/7667012c-b49a-40b1-97b8-553927025cdc.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Taylor_Green.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/e05b00bb-ebeb-468a-aba2-861b7db0c0b5.jpg"></a></td> </tr> <tr> <td align="center">Fluid logo</td> <td align="center">尾流</td> <td align="center">驱顶腔</td> <td align="center">泰勒-格林</td> </tr> <tr> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Smoke_Plume.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/272a44f7-3ac6-4f8f-b8d6-d095cf4dbfe3.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Variable_Boundaries.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/8c3fa2e2-81f7-49bb-b993-64811b7ee91f.jpg"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Batched_Smoke.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/defe3c6b-decb-456a-82ab-5591e72191c7.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Moving_Obstacles.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/56a154a3-331b-4190-ad83-982628c3c142.png"></a></td> </tr> <tr> <td align="center">烟羽</td> <td align="center">可变边界</td> <td align="center">并行模拟</td> <td align="center">移动障碍物</td> </tr> <tr> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Rotating_Bar.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/f4680d90-7cb0-4ad1-a317-d558660d2499.jpg"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Multi_Grid_Fluid.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/aa145fb2-66a9-40b2-9555-c2375be7ec3c.jpg"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Higher_order_Kolmogorov.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/06245f4e-3830-40c4-8d5c-87a5fae7f4fc.jpg"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Heat_Flow.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c4223f9d-cb46-42a1-a647-f171de2b990f.png"></a></td> </tr> <tr> <td align="center">旋转棒</td> <td align="center">多网格流体</td> <td align="center">高阶柯尔莫戈罗夫</td> <td align="center">热流</td> </tr> <tr> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Burgers.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/86ad4184-7600-430e-95c5-ced3fcd39ef6.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Reaction_Diffusion.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c4f64964-686c-4597-bc22-32d998940c31.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Waves.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/5d654c6f-fd3b-4f25-a36b-cc9c48f24b66.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/grids/Julia_Set.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/6bc0724d-68c2-42f3-806f-ce3cdc2b5e3f.png"></a></td> </tr> <tr> <td align="center">伯格斯方程</td> <td align="center">反应扩散</td> <td align="center">波</td> <td align="center">朱利亚集合</td> </tr> </tbody> </table>

网格

粒子

优化与网络

<table> <tbody> <tr> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/Gradient_Descent.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/1337cb71-e3d1-4a6b-b70f-252d5a0763ee.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/Optimize_Throw.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/0c7a846f-fd7f-454d-88b9-89c481a59d4f.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/Learn_Throw.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/7c6f638d-6583-4c9d-9d51-09f3e617f3d9.jpg"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/PIV.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/ebc91339-8cd8-4b84-839c-542b2b1172a0.jpg"></a></td> </tr> <tr> <td align="center">梯度下降</td> <td align="center">优化投掷</td> <td align="center">学习投掷</td> <td align="center">PIV</td> </tr> <tr> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/Close_Packing.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/67e8d05c-0e88-4894-b6ee-454e301b27f6.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/Learn_Potential.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/1cf612c6-15fb-4f7b-a5e2-9c5bb65c237b.png"></a></td> <td style="width: 25%;"><a href="https://tum-pbs.github.io/PhiFlow/examples/optim/Differentiable_Pressure.html"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c6616cbc-590c-4298-9ebd-add9cda52232.jpg"></a></td> </tr> <tr> <td align="center">密堆</td> <td align="center">学习Φ(x,y)</td> <td align="center">可微分压力</td> </tr> </tbody> </table>

安装

使用 pip 在 Python 3.6 及以上版本进行安装：

$ pip install phiflow

此外安装 PyTorch、TensorFlow 或 Jax 以启用机器学习功能和 GPU 执行。要启用网页用户界面，还可以安装 Dash。为了达到最佳 GPU 性能，您可能需要编译自定义的 CUDA 操作符，详见安装详细说明。

您可以运行

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

来验证您的安装。这将检查兼容的 PyTorch、Jax 和 TensorFlow 安装。

特性

与 PyTorch、Jax 和 TensorFlow 紧密集成，可轻松进行神经网络训练，并支持完全可微分的模拟，可以在 GPU 上运行。
内置偏微分方程 (PDE) 操作，重点关注流体现象，允许运用简洁的方式进行模拟。
灵活、易于使用的网络界面，具备实时可视化和交互控制功能，可以实时影响模拟或网络训练。
面向对象的向量化设计，可编写具有表现力的代码，易于使用，灵活且可扩展。
可重用的模拟代码，独立于后端和维度，换句话说，同样的代码可以使用 NumPy 运行 2D 流体模拟，也可以使用 TensorFlow 或 PyTorch 在 GPU 上运行 3D 流体模拟。
高级线性方程求解器，支持自动生成稀疏矩阵。

📖 文档与教程

文档概览 • ▶ YouTube 教程 • API • 演示 • <img src="https://yellow-cdn.veclightyear.com/35dd4d3f/c8ec9ada-20cb-4e47-96b7-6ff37551a9b3.png" height=16> 实验场 Φ-Flow 基于 Φ<sub>ML</sub> 的张量功能。要了解 Φ<sub>Flow</sub> 的工作原理，请首先查看命名和类型化维度。

入门

物理

场

几何

张量

其他

Φ<sub>Flow</sub> 到 Blender
注意事项：如何保持代码兼容 PyTorch、TensorFlow 和 Jax
旧版可视化 & Dash & 控制台
旧版物理概览

📄 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}
}