Well:用于机器学习的各种物理模拟的大规模数据集 机器学习基于替代模型为研究人员提供了加速基于仿真的工作流程的强大工具。然而，由于该领域的标准数据集通常只涵盖少量物理行为，评估新方法的有效性可能会变得困难。为了解决这个问题，我们引入了“Well”：一个大规模的数据集集合，包含各种时空物理系统的数值仿真数据。Well项目汇集了领域专家和数值软件开发人员的力量，提供了15TB的数据，涵盖16个数据集，涉及生物系统、流体动力学、声散射以及超银河流体或超新星爆炸的磁流体动力学仿真等多样化领域。这些数据集可以单独使用，也可以作为更广泛基准套件的一部分。为了方便使用Well项目，我们提供了一个统一的PyTorch接口，用于训练和评估模型。我们通过引入示例基线来展示这个库的功能，突显了Well项目复杂动态所带来的新挑战。 论文链接
