Duhamel Neural Operator

Релиз matthewju содержит 109 обученных моделей к статье «Duhamel Neural Operator for Learning Phase-Field Dynamics». Это Duhamel-NO и все бейзлайны для задач tdgl (D1/D2), гистерезиса и Allen–Cahn, включая ablation, change-of-units и data-efficiency запуски.

🦾 Ключевые особенности

• ✅ Можно пропустить около 2 GPU-дней обучения и сразу перейти к оценке.
• 📉 В комплекте — все тренировочные seed’ы и бейзлайны из статьи.
• 🐆 Каждый .pt — словарь с state dict (model) и training args (args).
• 🔥 Задачи: tdgl (D1/D2), hyst с суффиксом _closed, ac; варианты _K32/_K128 и _nounits.
• ⬇ Вместе с чекпоинтами идут Fourier SSM в bench_cache: alpha_bank_tdgl.npz, alpha_bank_hyst.npz и версии K32/K128.
• ♟ Лицензия BSD-3-Clause, как у кода.

⬇ Пример

python duhamel_no/run.py --mode final --task tdgl --model duhamel_uno --seed 0 --lr 0.0003 --wrap --eval_only

Подробнее

Бенчмарков в карточке нет — это набор чекпоинтов к статье.
Обучение, которое можно пропустить, занимает около 2 GPU-дней.
Для запуска нужны код Duhamel-Neural-Operator и датасет ferroelectric-tdgl-bench.
Имена запусков совпадают с results/final/<run>.json в репозитории кода.