【Hackathon_8th NO.14】CoNFiLD 论文复现

rfcs/Science/20250303_CoNFiLD.md

@@ -0,0 +1,70 @@
+# GeoFNO 设计文档
+
+> RFC 文档相关记录信息
+
+|              |                    |
+| ------------ | ------------------ |
+| 提交作者     | ADream-ki          |
+| 提交时间     | 2025-03-05         |
+| RFC 版本号   | v1.0               |
+| 依赖飞桨版本 | release 2.6.2 版本 |
+| 文件名       | 20250305_CoNFiLD.md |
+
+## 1. 概述
+
+### 1.1 相关背景
+
+[NO.14 CoNFiLD 论文复现](https://github.com/PaddlePaddle/community/blob/master/hackathon/hackathon_8th/%E3%80%90Hackathon_8th%E3%80%91%E4%B8%AA%E4%BA%BA%E6%8C%91%E6%88%98%E8%B5%9B%E2%80%94%E5%A5%97%E4%BB%B6%E5%BC%80%E5%8F%91%E4%BB%BB%E5%8A%A1%E5%90%88%E9%9B%86.md#no14-confild-%E8%AE%BA%E6%96%87%E5%A4%8D%E7%8E%B0)
+
+传统的大涡模拟（LES）和直接数值模拟（DNS）虽然能够提供详细的流场预测，但其计算需求极高，限制了在实际工程中的应用。基于深度学习的代理模型虽然计算效率较高，但它们通常依赖确定性框架，无法准确捕捉湍流的混沌和随机特性。CoNFiLD模型通过结合条件神经场编码和潜在扩散过程，旨在克服这些挑战，实现高效且鲁棒的时空湍流生成。
+
+### 1.2 功能目标
+
+1. 复现 CoNFiLD 代码，实现完整的推理流程。
+2. 保持精度与论文精度一致，相对误差在 ±10% 以内。
+3. 产出论文相关文档、图片、视频等。
+
+### 1.3 意义
+
+复现 CoNFiLD 代码，能够使用 CoNFiLD 模型进行推理。
+
+## 2. PaddleScience 现状
+
+PaddleScience 套件暂无 CoNFiLD 代码案例。
+
+## 3. 目标调研
+
+- 论文解决的问题：
+  CoNFiLD 模型解决在复杂、不规则三维域内快速生成复杂时空湍流的问题
+- 链接：
+  代码：[https://github.com/jx-wang-s-group/CoNFiLD](https://github.com/jx-wang-s-group/CoNFiLD)
+  论文：[https://doi.org/10.1038/s41467-024-54712-1](https://doi.org/10.1038/s41467-024-54712-1)
+
+  需将 Pytorch 代码转换为 Paddle
+
+## 4. 设计思路与实现方案
+
+参考 PaddleScience 已有代码实现 CoNFiLD
+
+1. 数据预处理
+2. 模型构建
+3. 超参数设定
+4. 模型推理的评估指标
+
+### 4.1 补充说明[可选]
+
+无
+
+## 5. 测试和验收的考量
+
+复现 CoNFiLD/ConditionalNeuralField  和CoNFiLD/ConditionalNeuralField 中的模型，跑通对应的 cass 案例。
+
+## 6. 可行性分析和排期规划
+
+- 202408：调研
+- 202409：复现代码并作调整
+- 202410：整理项目产出，撰写案例文档
+
+## 7. 影响面
+
+丰富 PaddleScience 的应用案例，在 ppsci.arch 中新增 CoNFiLD model