从「预测未来」到「理解世界」：Tadpole与一种新的科学基础模型思路
2026.10.15 · 产品 · 论文 · 论文预印本
慕尼黑工大提出Tadpole，用自编码器预训练三维物理场，在线生成约202TB数据
慕尼黑工业大学团队提出Tadpole，把三维物理基础模型的预训练目标从「预测未来」改为「重建当前物理场」，先学通用物理表示再迁移。它采用在线学习，训练中由GPU求解器实时生成数据，累计约202 TB训练数据却无需本地保存，在线训练还比离线方案快约1.8 倍。
- 预训练目标改为重建三维物理场，而非直接预测未来
- 在线学习：GPU求解器实时生成数据，累计约202 TB
- 在线训练比离线方案整体提速约1.8倍
- 随机裁剪局部区域，统一不同变量数与分辨率
- Tadpole-DFT用LoRA少量微调即可做动力学预测
为什么值得看
换一种预训练目标，看物理基础模型能否更通用
适合谁关注
关注AI for Science、PDE求解与基础模型的研究者