Tadpole：以自编码器重构为预训练目标的三维 PDE 基础模型

慕尼黑工业大学提出 Tadpole，一种面向三维 PDE 的基础模型，预训练不预测未来，而是以自编码器重构物理场学习通用表示。它采用在线学习，训练中由 GPU 求解器实时生成数据，累计使用约 202 TB 训练数据却无需本地存储，在高速 SSD 环境下比离线方案快约 1.8 倍。模型支持零样本重建、动力学预测与生成建模，最高分辨率达 1024³，后续工作 GMP 已扩展至非结构网格与复杂三维几何。