科学计算模型主要来源于物理、化学、生物、材料科学，比如牛顿方程、空空气动力学、弹性力学、电磁场理论、量子力学等等。科学计算的方法就是求解这类问题中的控制方程。但这类问题一般都是高维、长时间、跨尺度的，需要处理大量的计算。利用深度学习的巨大优势，可以将数学计算和物理数据的方法结合起来解决上述问题，这就是“AI for Science”。
PaddleScience是基于飞桨深度学习框架的AI for Science套件。目前已经发布了v0.1版本。包含物理信息神经网络和数据驱动的傅立叶神经算子学习方法，解决了传统数值计算方法的维数灾难和计算速度慢的问题。旨在服务科学创新，支撑大规模科学计算和工程问题，应用于智能制造、工程计算、材料科学、生命医学等应用场景。
在底层核心框架层面，飞螺通过支持高阶自动微分，支持高阶偏微分方程的快速求解，包括Jacobian/Hessian/ Fourier变换等科学计算API。在套件层面，PaddleScience提供了广义微分方程接口，如Navier-Stokes方程，以及计算流体力学中的方腔流、达西流等简单例子。
科学探索之路漫长而修远-Xi。我们希望通过特殊兴趣小组的形式，聚集一些志同道合的朋友，共同完成框架开发、共建套件模型和算法、论文复制等工作。，并挑战前沿的AI+科普技术研发和科研创新，专注于科研创新和业务应用，从而帮助更多开发者在后续套件的使用中降低工具的使用难度。
PPSIG-PaddleScience期待聚集更多力量。只要你热爱编码，认可开源理念，愿意为PaddleScience的发展贡献自己的想法和代码，我们真诚期待你的加入，共同书写AI for Science的新篇章。
PPSIG
稻田科学任务
PPSIG-PaddleScience围绕科学计算方法进行持续的研究、开发和优化，以AI方法开发基于飞桨框架的功能或应用，并与项目合作，在各个学科和工程领域创造新方法。PaddleScience以探索创新的精神期待您的到来。加入我们，致力于真正赋能科研和产业的AI，引领科学计算新变革。
PPSIG
PaddleScience的主要工作
1.航空空航天、工业智能制造等场景的方程反演问题；
2.navigation 空超音速流场的模拟:3.船舶三维圆柱绕流及高雷诺数大涡模拟:4.分子动力学模拟在生物蛋白质分子和能源材料中的应用:5.AI+科学计算任务在超级计算机、GPU等大规模硬件集群上的高性能计算和分布式并行；6.AI+科学计算高阶自动微分，编译器等功能互补，性能调优。
PPSIG
PaddleScience期待您
1.对AI+科学计算有浓厚的兴趣，想在这里多拓展一下；
2.具备流体力学、空气动力学、分子动力学、能源材料等领域相应的专业知识；3.对AI和深度学习有了解，对代码实现有一定的工程能力；4.热爱开源，遵守社区运营规则；5.有承担群体任务的责任感，有探索未知的积极态度。
PPSIG
PaddleScience协作模式
协作平台:团队通过GitHub Issue维护需求池，推进方案设计，使用GitHub项目开发进度。PPSIG-PaddleScience团队成员的基本信息和最新项目进展也将同步更新在PPSIG-PaddleScience仓库中。
交流机制:群内成员使用微信进行日常交流。通过小组讨论，他们可以阅读源代码，同步项目进度，讨论技术方案，恢复疑难问题等活动。
参与收获
能力提升
PPSIG-Science组将开展技术分享和代码评审活动，鼓励组内成员互相学习，互相借鉴，共同探索硬核前沿技术。同时，小组还将提供技术培训和指导，帮助开发经验较少的成员提高编码水平和解决问题的能力。
成就个人品牌所有投稿者都可以在投稿的技术文章或代码文件中永久署名，并获得社区赠送的纪念礼品。贡献者将被记录在文件中，并向整个社区公开。对于优秀的贡献者，他们的工作成果和成员风采将以专题访谈和特邀演讲的形式在飞桨社区传播。
加入模式
PPSIG-Science欢迎您为项目的开发做出贡献，包括但不限于撰写技术文章、改进项目文档、修复bug或开发新功能等。
真诚期待您的加入！有兴趣的伙伴请点击“阅读原文”填写申请表，稍后会有工作人员联系您。
