TUM 发布 Tadpole：自编码器当 3D PDE 基础模型，NeurIPS 论文

jiqizhixin · x · 2026-10-23

慕尼黑工业大学（TUM）在 NeurIPS 发布 Tadpole（ArXiv 2605.15284），探索用一个模型跨越不同 3D 物理系统的可迁移知识：流体模拟数据存储开销巨大，且每个物理系统的变量、空间分辨率和演化规律各不相同，以往多为一个问题训一个模型。

Tadpole 的路线是不先学「预测下一步」，而是把自编码器作为 3D PDE 的基础模型，配合在线学习：在 GPU 求解器实时生成数据上预训练为自编码器，用高效 buffer 策略消除 I/O 与存储瓶颈。预训练后可用于多种下游任务，包括自编码、基于 Tadpole-DFT 的动力学学习（LoRA 微调 + 潜空间变换 + 跳跃连接）以及潜空间 flow matching 的生成建模——把科学基础模型从「下一步预测器」重新定义为「世界理解者」。