К содержимому
Другое

ScireX WNO Darcy Physics

решение уравнений Дарси без разметки

2 мин чтения

Обученный нейронный оператор WNO (Wavelet Neural Operator — архитектура для решения дифференциальных уравнений в частных производных) от проекта zenteiq-ai из open-source библиотеки scirex (JAX/Flax). Модель принимает на вход поле проницаемости на сетке 85 на 85 точек и предсказывает поле давления на той же сетке для двумерной задачи течения Дарси. Главная особенность этого чекпоинта — обучение исключительно на физике процесса (минимизация энергии Ритца Q4) без использования готовых размеченных решений, но с добавлением неразмеченных полей проницаемости. Подойдёт исследователям и инженерам в области научного машинного обучения (SciML) и численного моделирования.

Ключевые особенности

  • Компактная архитектура WNO на 2 829 601 параметр, реализованная на стеке JAX и Flax.
  • Обучение полностью без разметки (label-free): использованы 20 000 полей коэффициентов (1000 из базового датасета плюс дополнительно сгенерированные неразмеченные поля).
  • Показывает относительную ошибку Test relative L2 на уровне 1.262%, обходя data-driven запуск этого же проекта (2.020%).
  • В комплект входят веса model.safetensors, статистики нормализации в config.json и эталонный пример sample.safetensors для проверки.

Что можно сделать

  • Запустить инференс из репозитория scirex на тестовом примере sample.safetensors или полном датасете Darcy 2D для воспроизведения бенчмарка.
  • Сравнить точность physics-only подхода на базе WNO с другими архитектурами из той же линейки тестов (FNO, GINO, Transolver) или с data-driven версией модели.
  • Использовать как базовый ориентир (baseline) при разработке собственных нейронных операторов для задач фильтрации и гидродинамики.

Пример

hf download zenteiq-ai/scirex-wno-darcy-physics-extra-fields --local-dir ckpt/scirex-wno-darcy-physics-extra-fields
python scripts/benchmarks/darcy_physics/infer.py --checkpoint ckpt/scirex-wno-darcy-physics-extra-fields --sample
ПодробнееМетрика: Test relative L2 — 1.262% (теоретический предел точного решателя Q4 для этой постановки — 0.31%, опубликованный data-driven ориентир Tripura и Chakraborty — около 0.84%).
Обучение: 200 000 шагов (AdamW, lr 1e-3, batch 20), ~170 минут на запуск; модель не доведена до полной сходимости из-за бюджета вычислений.
Ограничения: работает корректно только в пределах диапазона входных данных датасета (Li et al., ICLR 2021) и не предназначена для критически важных расчётов безопасности без отдельной валидации.
Важно: для работы весов обязательно нужны статистики нормализации из файла config.json. Лицензия весов — Apache 2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # zenteiq-ai/scirex-wno-darcy-physics-extra-fields
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download zenteiq-ai/scirex-wno-darcy-physics-extra-fields --local-dir ~/models/scirex-wno-darcy-physics-extra-fields
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к scirex-wno-darcy-physics-extra-fields
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии scirex-wno-darcy-physics-extra-fields — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

zenteiq-ai/scirex-wno-darcy-physics-extra-fields
Автор
zenteiq-ai
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

DecayFormer

DecayFormer