我们提出了几何信息神经算子（GINO），用于学习大规模偏微分方程的解算器。GINO基于图和傅里叶结构，使用有符号距离函数和点云表示来学习解算器。在大规模3D流体模拟中，GINO仅使用500个数据点就能预测车身表面的压力，计算速度提高了26000倍。与深度神经网络方法相比，GINO的误差率降低了四分之一。