# Release Notes

## MindSpore Flow 0.3.0 Release Notes

### 主要特性和增强

#### 数据驱动

* [STABLE] [Burgers_SNO](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/data_driven/burgers/sno1d)/[Navier_Stokes_SNO2D](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/data_driven/navier_stokes/sno2d)/[Navier_Stokes_SNO3D](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/data_driven/navier_stokes/sno3d): 新增数据驱动下的谱神经算子求解一维Burgers方程、二维/三维纳维·斯托克斯方程案例。
* [STABLE] [API-SNO1D/2D/3D](https://gitee.com/mindspore/mindscience/blob/master/MindFlow/mindflow/cell/neural_operators/sno.py): 新增谱神经算子（包括SNO和U-SNO）API，利用多项式变换将计算转换到频谱空间的类FNO架构，其优势在于有效减小由混淆误差引起的系统偏差。
* [STABLE] [API-Attention](https://gitee.com/mindspore/mindscience/blob/master/MindFlow/mindflow/cell/attention.py): 重构transformer类网络常用的Attention、MultiHeadAttention、AttentionBlock、ViT网络接口。
* [STABLE] [API-Diffusion](https://gitee.com/mindspore/mindscience/blob/master/MindFlow/mindflow/cell/diffusion.py): 新增扩散模型全套训练、推理接口，支持DDPM、DDIM业界两种主流扩散方式，通过简洁易用的DiffusionScheduler、DiffusionTrainer、DiffusionPipeline、DiffusionTransformer接口即可完成扩散模型训练推理全流程。
* [STABLE] [API-Core_Refactor](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/mindflow/core): 将原mindflow.common，mindflow.loss，mindflow.operators优化重构为mindflow.core。
* [RESEARCH] [CascadeNet](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/research/cascade_net): 新增CascadeNet案例，以表面压强、雷诺数和少量尾迹速度测点作为输入，通过具有尺度传递拓扑结构的生成对抗网络，预测圆柱尾迹脉动速度时空场。
* [RESEARCH] [MultiScaleGNN](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/research/multiscale_gnn): 新增多级图神经网络案例，求解大规模压力泊松方程，可以支撑使用投影法（或分步法）求解不可压缩纳维 · 斯托克斯方程。
* [RESEARCH] [TurbineUQ](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/research/turbine_uq): 新增涡轮级流场预测与不确定性优化设计案例，通过蒙特卡洛结合深度学习的方法来完成不确定性的量化评估。

#### 数据-机理融合驱动

* [STABLE] [PhyMPGN](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/data_mechanism_fusion/phympgn): 新增基于图神经网络的物理方程求解模型 PhyMPGN 针对圆柱绕流问题的应用案例。PhyMPGN 能够在非结构网格下实现 Burgers、FitzHugh-Nagumo、Gray-Scott 等方程的求解，相关[论文](http://arxiv.org/abs/2410.01337)被接收为 ICLR 2025 Spotlight。
* [RESEARCH] [Heat_Conduction](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/research/heat_conduction): 新增数据与物理混合驱动下的稳态热传导物理场预测案例。
* [RESEARCH] [SuperPosition](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/research/superposition): 新增叠加原理的算子神经网络SDNO，用于航空发动机内流叶栅复杂流态下温度场的预测。

#### 物理驱动

* [RESEARCH] [NSFNets](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/research/nsf_nets): 新增纳维 · 斯托克斯流动网络（NSFNets），该网络对应[论文](https://www.sciencedirect.com/science/article/pii/S0021999120307257)为该领域高被引论文，用以求解不适定问题（例如部分边界条件缺失）或反演问题。

#### 求解器

* [STABLE] [CBS求解器](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/cfd/acoustic): 新增声波方程求解器 CBS 在复杂参数场下求解二维声波方程的应用案例。CBS 求解器在频域求解声波方程，在空间各方向均具有谱精度，精度高于有限差分法。相关论文参考 [Osnabrugge et al. 2016](https://linkinghub.elsevier.com/retrieve/pii/S0021999116302595)

#### 优化器

* [STABLE] [API-AdaHessian二阶优化器](https://gitee.com/mindspore/mindscience/blob/master/MindFlow/mindflow/core/optimizers.py): 新增AdaHessian二阶优化器，基于Hessian矩阵对角元提供的二阶信息进行优化计算，实测相同step数下相比Adam实现20%以上的loss下降。

#### 基础模型

* [RESEARCH] [PDEformer](https://github.com/functoreality/pdeformer-2): PDEformer支持[一维](https://gitee.com/mindspore/mindscience/tree/master/MindFlow/applications/pdeformer1d)/[二维](https://github.com/functoreality/pdeformer-2)含时偏微分方程通用求解，典型场景下Zero-Shot求解精度超过专有模型。

### 贡献者

感谢以下开发者做出的贡献：

hsliu_ustc, gracezou, mengqinghe0909, Yi_zhang95, b_rookie, WhFanatic, xingzhongfan, juliagurieva, GQEm, chenruilin2024, ZYF00000, chenchao2024, wangqineng2024, BingyangWu-pkusms21, Bochengz, functoreality, huangxiang360729, ChenLeheng, juste_une_photo.

欢迎以任何形式对项目提供贡献！