此文档展示 PaddlePaddle Hackathon 第七期活动——开源贡献个人挑战赛科学计算方向任务 详细介绍
- 要求基于 PaddleScience 套件进行开发，开发文档参考：https://paddlescience-docs.readthedocs.io/zh/latest/zh/development/ 。
- 复现整体流程和验收标准可以参考：https://paddlescience-docs.readthedocs.io/zh/latest/zh/reproduction/#21，复现完成后需供必要的训练产物，包括训练结束后保存的
train.log日志文件、.pdparams模型权重参数文件（可用网盘的方式提交）、撰写的.md案例文档。 - 理解复现流程后，可以参考 PaddleScience 开发文档：https://paddlescience-docs.readthedocs.io/zh/latest/zh/development/ ，了解各个模块如何进行开发、修改，以及参考 API 文档，了解各个现有 API 的功能和作用：https://paddlescience-docs.readthedocs.io/zh/latest/zh/api/arch/ 。
- 案例文档撰写格式可参考 https://paddlescience-docs.readthedocs.io/zh/latest/zh/examples/darcy2d/ ，最终合入后会被渲染并展示在 PaddleScience 官网文档。
- 如在复现过程中出现需添加的功能无法兼容现有 PaddleScience API 体系（PaddleScience API 文档），则可与论文复现指导人说明情况，并视情况允许直接基于 Paddle API 进行复现。
- 若参考代码为 pytorch，则复现过程可以尝试使用 PaConvert 辅助完成代码转换工作，然后可以尝试使用 PaDiff 工具辅助完成前反向精度对齐，从而提高复现效率。
参考模型复现指南验收标准部分 https://paddlescience-docs.readthedocs.io/zh/latest/zh/reproduction/#3
论文链接：
https://arxiv.org/pdf/2006.11287v2
代码复现：
为该库进行 paddle 适配（包含实现代码和单测代码），并为 example 中的 demo 的 “High-dimensional input: Neural Nets + Symbolic Regression” 部分编写 paddle 版本代码，要求可以在 paddle 下跑通，并对齐精度
参考代码链接：
https://github.com/MilesCranmer/PySR/tree/master
论文链接：
代码复现：
复现 List of experiments:
- Core code: see ./Physics_Attention.py
- Standard benchmarks: see ./PDE-Solving-StandardBenchmark
- Car design task: see ./Car-Design-ShapeNetCar
- Airfoil design task: see ./Airfoil-Design-AirfRANS
精度与论文中对齐，完成文档，符合代码审核要求
参考代码链接：
https://github.com/thuml/Transolver
论文链接：
代码复现：
复现 RegDGCNN 和 PointNet，在数据集 DrivAer++上，精度与论文中对齐，完成文档，符合代码审核要求
参考代码链接：
https://github.com/Mohamedelrefaie/DrivAerNet
论文链接：
代码复现：
复现 RegDGCNN 网络，在数据集 DrivAer 上，精度与论文中对齐，完成文档，符合代码审核要求
参考代码链接：
https://github.com/Mohamedelrefaie/DrivAerNet
NO.5 Hidden fluid mechanics: Learning velocity and pressure fields from flow visualizations 论文复现
论文链接：
代码复现：
仓库包含所有案例，精度与论文和补充材料对齐，完成文档，符合代码审核要求
参考代码链接：
https://github.com/maziarraissi/HFM
论文链接：
https://www.nature.com/articles/s42256-024-00810-0.pdf
代码复现：
复现 DM-1c 和 DM-3c 模型，精度与论文中对齐
参考代码链接：
-
he code to train the DM and generate new trajectories can be found at https://github.com/SmartTURB/diffusion-lagr (ref. 82).
-
A ready-to-runCode Ocean capsule with the complete environment is available at https://codeocean.com/capsule/0870187/tree/v1 (ref. 83).
论文链接：
https://www.science.org/doi/pdf/10.1126/sciadv.adj1741 （Nature 子刊）
代码复现：
复现 GeoFNO 模型，精度与论文中对齐
参考代码链接：
https://github.com/zongyi-li/Geo-FNO-catheter
论文链接：
https://www.sciencedirect.com/science/article/pii/S0021999123000670 （Science 子刊）
代码复现：
复现 Diffusion models，精度与论文中对齐
参考代码链接：
Data and code for this work are publicly available at https://github.com/BaratiLab/Diffusion-based-Fluid-Super-resolution
论文链接：
https://arxiv.org/abs/2312.06734 (JCP)
代码复现：
复现 DiffCast，精度与论文中对齐，并合入 PaddleScience
参考代码链接：
https://github.com/DeminYu98/DiffCast
论文链接：
https://arxiv.org/pdf/2311.07222
代码复现：
复现 neuralgcm，精度与论文中对齐，并合入 PaddleScience
参考代码链接：
https://github.com/google-research/neuralgcm
论文链接：
https://arxiv.org/abs/2306.12873
代码复现：
复现 FuXi 推理，精度与论文中对齐，并合入 PaddleScience
参考代码链接：
https://github.com/tpys/FuXi
论文链接：
https://openreview.net/forum?id=ryQu7f-RZ
代码复现：
为 Adam 和 AdamW 优化器支持 amsgrad 选项，添加动态图和静态图的实现，在单机和分布式环境下，精度与 pytorch 对齐
put_along_axis API 文档链接：
代码复现：
通过调用已有基础算子，实现 put_along_axis 反向算子的静态图一阶拆解
参考代码链接：
静态图一阶拆解示例：PaddlePaddle/Paddle#64432
论文链接：
https://arxiv.org/abs/2110.06197
代码复现：
复现 cdvae，精度与论文中对齐,并合入 PaddleScience
参考代码链接：
https://github.com/txie-93/cdvae
论文链接：
https://arxiv.org/abs/1706.08566
代码复现：
复现 schnet，精度与论文中对齐,并合入 PaddleScience
参考代码链接：
https://github.com/atomistic-machine-learning/SchNet
论文链接：
https://arxiv.org/abs/2206.07697
代码复现：
复现 MACE，精度与论文中对齐，并合入 PaddleScience
参考代码链接：
https://github.com/ACEsuit/mace/tree/main
论文链接：
https://arxiv.org/pdf/2407.17611
代码复现：
复现 Heat2d_MS、Steady_ns、PoissonNd 三个案例，精度与论文中对齐,并合入 PaddleScience
参考代码链接：