PhysicsNeMo: From Zero to One

为什么做这件事

AI for Engineering 是 2026 年最热的工业 AI 赛道之一：Ansys SimAI™、Siemens Xcelerator AI、Dassault 3DEXPERIENCE AI 都在收口这块市场。但学界到工业落地之间有一道大坑——PINN（Physics-Informed Neural Networks）和神经算子（Neural Operators）的论文很多，能让工业仿真工程师”装上就跑”的实战教材几乎为零。NVIDIA PhysicsNeMo 框架文档齐全，但只有官方 API 文档，没有”从 0 到能跑”的中文教学路径。

我给自己立了一个目标：写一本能让工业背景的工程师 6 周内从零到能跑自己的 PINN 模型的教材。每章给 3 种实现（裸 PyTorch 看懂原理 / PhysicsNeMo SDK 看懂工业封装 / GPU production 看懂大规模训练），让读者按需选择深度。

真实成果边界

• 2★ / 0 forks —— 公开小 repo，影响力还在早期
• 30+ commits 跨 3 个月 —— 教材不是一次性 dump，是经过 3 轮 CAE 专家反馈迭代（issue #54–#88 集中处理）的实战产物
• multi-agent 2 周产出 —— 教材主体由 Claude / CodeBuddy 多 Agent 编排生成（README 自述）；但章节结构、数学审校、CA 审阅 round 1/2/3 全部由我把关
• 教材大小：8 章 + 4 附录 + 6 周学习计划 + 50 问踩坑 + 云 GPU 指南。全套中英双语

想看哪一段就跳过去

你想知道	跳到
30 秒懂这本教材	README on GitHub
数学与符号速查	book/appendix_a_math.md
云 GPU 与环境	book/appendix_b_cloud_gpu.md
50 问踩坑	book/appendix_c_troubleshooting.md
PyTorch 30 分钟最小集	book/appendix_d_pytorch_mini.md
6 周学习计划	docs/STUDY_PLAN_6WEEKS.md
CAE 审阅 round 3	docs/CAE_REVIEW_BACKLOG.md