流体作为自然界中最基本的物质之一,对其模拟往往需要在精度和效率之间进行取舍。为此,提出了一种端到端体系化的新型卷积网络流体模拟器———PolarNet。首先,将粒子数据转换为三维极坐标表示,设计了 PolarConv空间卷积结构。其次,结合物理流体模拟器,构建了四层网络结构,设计了网络流体模拟器 PolarNet,实现流体的端到端预测。此外,精心设计了基于物理的约束,以强化流体的不可压缩性。实验结果表明,与传统基于建模模拟器相比,PolarNet 在提高流体边界的精确性和保持不可压缩性方面有显著提升,同时保证了效率。相较于其他基于学习的流体模拟器,得益于极坐标的空间紧凑表示,PolarNet 在具有更少训练参数的情况下,保持了最高的预测稳定性。PolarNet 为多模态信息处理提供了新的方法和视角。