Release Notes

MindSpore Flow 0.2.0 Release Notes

主要特性和增强

数据驱动

• [STABLE] Airfoil2D_Unsteady: 支持数据驱动(FNO2D和Unet2D两种backbone)下跨声速翼型复杂流场的多时间步预测。

• [STABLE] API-FNO1D/2D/3D: 重构FNO1D、FNO2D、FNO3D API，提升接口的通用性，支持”channels_last”和”channels_first”两种输入数据格式，支持mlp层和FNOBlock层分别设置激活函数，支持SpectralConvDft和FNO skip分别设置计算精度，支持设置projection和lifting中间层参数，支持选择残差增强和嵌入位置信息。

• [STABLE] API-UNet2D: 重构UNet2D API，新增base_channels作为基准通道数，以控制上/下采样的通道数增/减，支持”NCHW”和”NHWC”两种输入数据格式。

数据-机理融合驱动

• [STABLE] API-Percnn: 新增percnn API，通过递归卷积神经网络，在粗网格上学习物理场时空演化规律，默认支持两个物理分量的输入可自定义调节conv layer数量及kernel size，实现在不同物理现象上的应用。

• [STABLE] PeRCNN-gsrd3d: 新增PeRCNN求解三维GS反应扩散方程的案例。

物理驱动

• [STABLE] Boltzmann: 支持D1V3的BGK以及二次碰撞项的玻尔兹曼方程求解，相关论文发表在《SIAM Journal on Scientific Computing》。

• [STABLE] Periodic Hill: 支持PINNs方法求解周期山流通问题。

• [STABLE] Possion: 添加PINNs求解poisson方程时对periodic以及robin边界条件的支持。

• [RESEARCH] Cma_Es_Mgda: 支持CMA-ES和多目标梯度优化算法（mgda）结合求解PINNs问题。

• [RESEARCH] Moe_Pinns: 支持多专家模型求解PINNs问题。

• [RESEARCH] Allen-Cahn: 反应扩散的Allen-Cahn和NS特解的Kovasznay流是常见的物理过程，通过PINNs方式以无监督方式完成对特定I/BC的求解。

贡献者

感谢以下开发者做出的贡献：

hsliu_ustc, Yi_zhang95, zwdeng, liulei277, chengzrz, mengqinghe0909, xingzhongfan, jiangchenglin3, positive-one, yezhenghao2023, lunhao2023, lin109, xiaoruoye, b_rookie, Marc-Antoine-6258, yf-Li21, lixin07, ddd000g, huxin2023, leiyixiang1, dyonghan, huangxiang360729, liangjiaming2023, yanglin2023

欢迎以任何形式对项目提供贡献！