想训练一个懂物理的 AI，难点往往不是模型，而是“题库”太贵：高质量物理仿真要用数值程序求解方程，记录现象随时间和空间如何变化，生成成本远高于普通图片。Polymathic AI 与 Flatiron Institute 等机构开放了 The Well，一套约 15TB 的物理仿真数据，覆盖湍流、超新星爆发、声学散射和活性生物物质等 16 类物理领域。
这批数据主要面向 PDE surrogate model——让神经网络近似偏微分方程求解器，训练后更快预测仿真结果。它也可用于训练科学基础模型，即先从大量科学数据中学习通用规律，再适配不同任务。发布方称，The Well 已完全开源，并可直接通过 PyTorch——研究界常用的机器学习框架——加载。真正值得关注的不是“15TB”本身，而是昂贵、分散的科学数据首次以较统一的形式降低了使用门槛；不过现有材料来自发布相关社交帖，尚未提供模型精度或实际加速效果。