概要
HyPDEは、2次元の偏微分方程式（PDE）シミュレーション向け基盤モデルです。約3億2,300万パラメータのTransformerを、13種類の2次元物理データセットで一から学習しています。公開日は2026年11月4日です。(github.com)
能力と用途
- 規則的な2次元格子上の速度、圧力、密度などの数値場について、直近6フレームから次の4フレームを予測します。予測結果を再入力することで、その後の軌跡も予測できます。
- 音響、圧縮性流体、活性物質、反応拡散、球面浅水などの物理シミュレーションの予測・研究に利用できます。
- 公式評価では、The WellとFlowBenchの13データセットのテスト分割において、追加学習なしでWalrusと比較し、中央値VRMSEが単一ステップ予測では9件、ロールアウト1〜20フレームでは10件、21〜60フレームでは8件で低くなりました。これは各データセットのテスト分割での比較であり、未学習の物理系への汎化を示すものではありません。(raw.githubusercontent.com)
利用方法と制限
- 重みとPythonパッケージが公開されています。重みはFP32で約1.3 GB、ライセンスはApache-2.0です。Python 3.10以上とPyTorch 2.4以上が必要で、CUDA GPUが推奨されています。CPUでも推論できますが、より低速です。
- 学習・評価対象は公開された13データセットです。他の規則的な2次元格子上の系も所定のフィールド語彙を使って入力できますが、公式資料では未検証とされています。予測精度は物理系や予測期間によって異なります。(raw.githubusercontent.com)
価格
2026年11月14日の調査時点で、HyPDE固有の公式API提供および入力・出力の課金額は、中国国内向けCNY価格、国際向けUSD価格ともに確認できませんでした。価格未確認は、商用APIの利用が無料であることを意味しません。国内向けのTokenHubモデル価格表も確認しましたが、HyPDEの掲載は見つかりませんでした。(cloud.tencent.com)