它覆盖16个不同物理领域，覆盖流体动力学、声学散射、磁流体动力学、活性物质、反应扩散等方向，包括湍流、超新星爆发、中子星并合后演化、瑞利–泰勒不稳定性和宇宙磁流体等复杂现象。
项目还提供统一的数据接口、PyTorch加载方式、基准模型和评测工具，数据可以直接下载。
这些数据可以用来训练AI物理代理模型，让神经网络学习复杂物理系统的演化规律。
训练完成后，模型有机会用一次快速推理近似传统PDE数值求解过程，将原本需要超级计算机长时间运行的部分模拟任务大幅加速。它也降低了科研团队自行生成高质量模拟数据的门槛。
这些数据此前需要国家级超级计算机运行数周才能生成，普通研究团队难以获取，现在全部开源。
项目本身开源，但训练大规模模型仍然需要一定的存储与计算资源——但可以只选择所需的数据集，不必下载完整的15TB。
如果你在做科学机器学习、计算物理、天体物理、工程仿真，或者想训练PDE代理模型、科学基础模型，这套数据很值得收藏。
