TensorFlow物理机器学习Skill tensorflow-physics-ml

该技能专门用于将TensorFlow机器学习技术应用于物理科学领域,核心功能包括构建物理信息神经网络(PINN)、训练神经网络势能(NNP)、使用图神经网络处理分子系统等。关键词:TensorFlow物理应用,物理信息神经网络,神经网络势能,图神经网络,科学机器学习,PINN,NNP,GNN,深度学习物理建模。

深度学习 3 次安装 32 次浏览 更新于 2/25/2026

name: tensorflow-physics-ml description: 专为物理应用设计的TensorFlow机器学习技能,包括神经网络势能和代理模型 allowed-tools:

  • Bash
  • Read
  • Write
  • Edit
  • Glob
  • Grep metadata: specialization: 物理 domain: 科学 category: 数据分析 phase: 6

TensorFlow物理机器学习

目的

为物理应用提供TensorFlow专家指导,包括物理信息神经网络和神经网络势能。

能力

  • 物理信息神经网络(PINNs)
  • 神经网络势能(NNP)
  • 用于密度估计的归一化流
  • 用于分子系统的图神经网络
  • 物理自动微分
  • TensorBoard实验跟踪

使用指南

  1. 架构设计:构建合适的神经网络架构
  2. PINNs:在损失函数中融入物理约束
  3. 势能:训练神经网络原子间势能
  4. GNNs:使用图网络处理分子系统
  5. 训练:使用TensorBoard监控和优化训练过程

工具/库

  • TensorFlow
  • DeepMD-kit
  • SchNet