慕尼黑工大提出三维PDE基础模型Tadpole

慕尼黑工业大学研究团队提出面向三维偏微分方程（PDE）的基础模型 Tadpole，其预训练目标不是预测未来，而是以自编码器重构物理场来学习通用表示。团队称，该模型采用在线学习，训练数据由 GPU 求解器实时生成，累计使用约 202 TB 数据而无需本地存储，在高速 SSD 环境下比离线方案快约 1.8 倍。 Tadpole 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。微调时通过 LoRA 只调整少量参数，而非重训整个网络。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。