---
title: QCPINN-Cavity
canonical_url: "https://www.modelscope.cn/datasets/OneScience/QCPINN-Cavity"
md_url: "https://www.modelscope.cn/datasets/OneScience/QCPINN-Cavity.md"
repository: OneScience/QCPINN-Cavity
last_updated: 2026-11-03
license: other
storage_size: "22 MB"
downloads: 2
stars: 0
---

# QCPINN-Cavity

> QCPINN-Cavity - OneScience 在 ModelScope 开源的数据集。本数据集收录 QCPINN 作者公开的非定常二维顶盖驱动方腔流参考文件 cavity.mat。该文件用于 QCPINN-CavityFlow 模型的验证、误差评估与可视化；模型训练时的 PDE、初始与边界点由 Sobol 序列生成，不从本文件读取监督标签更新参数。

OneScience/QCPINN-Cavity 是 ModelScope 魔搭社区上的数据集，存储大小 22 MB，采用 other 许可。

- **Repository**: OneScience/QCPINN-Cavity
- **License**: other
- **Storage size**: 22 MB
- **Downloads**: 2
- **Stars**: 0
- **Last updated**: 2026-11-03

Source: https://www.modelscope.cn/datasets/OneScience/QCPINN-Cavity

---

# QCPINN-Cavity

## 数据集介绍

本数据集收录 QCPINN 作者公开的非定常二维顶盖驱动方腔流参考文件 `cavity.mat`。该文件用于 [QCPINN-CavityFlow](https://www.modelscope.cn/models/OneScience/QCPINN-CavityFlow) 模型的验证、误差评估与可视化；模型训练时的 PDE、初始与边界点由 Sobol 序列生成，不从本文件读取监督标签更新参数。

## 数据集支持的任务

可用于非定常方腔流的速度/压力预测验证、相对 L2 误差计算和时空流场绘图。文件包括内部点以及两组边界点，需按原始坐标和场值使用。

## 数据格式

`cavity.mat` 为 MATLAB v7.3/HDF5，可用 `h5py` 读取。各数组均为 `float64`，第一维 6 行依次是 `(t, x, y, u, v, p)`：

| 字段 | shape | 说明 |
| --- | ---: | --- |
| `cavity_internal` | `[6, 1010000]` | 内部参考场 |
| `cavity_gamma0` | `[6, 30300]` | 边界参考场 0 |
| `cavity_gamma1` | `[6, 10100]` | 边界参考场 1 |

原文件 SHA256：`4010d55dc23aa0f8ba79b24baf75e3903044bc4333d772168121cd30bc95c3ba`。未改变文件内容或划分。

## 数据集使用方式

```bash
modelscope download --dataset OneScience/QCPINN-Cavity --local_dir ./data
```

下载后路径为 `data/cavity.mat`。例如：

```python
import h5py
with h5py.File("data/cavity.mat", "r") as source:
    print(source["cavity_internal"].shape)
```

## OneScience 官方信息

| 平台 | OneScience 主仓库 | Skills 仓库 |
| --- | --- | --- |
| Gitee | [OneScience](https://gitee.com/onescience-ai/onescience) | [OneSkills](https://gitee.com/onescience-ai/oneskills) |
| GitHub | [OneScience](https://github.com/onescience-ai/OneScience) | [OneSkills](https://github.com/onescience-ai/oneskills) |

## 引用与许可证

- 论文：[QCPINN: Quantum-Classical Physics-Informed Neural Networks for Solving PDEs](https://arxiv.org/abs/2503.16678)。
- 原始数据：[作者 QCPINN 仓库的 `data/cavity.mat`](https://github.com/afrah/QCPINN/tree/main/data)，作者为 Afrah Farea 等。
- 作者仓库的软件代码有 MIT 许可证，但未见 `cavity.mat` 单独的数据许可声明，因此本数据集标为 `other`；引用和再分发时应保留原始来源信息。