https://github.com/SciML/DifferentialEquations.jl 与MATLAB, Mathematica等比较 http://www.stochasticlifestyle.com 我想用这篇文章做的是通过解释一些事情来介绍这个组织: SciML 提供的软件 我们提供一流的工具来求解微分方程 我们将继续以DifferentialEquations.jl作为组织的核心,以支持对科学模型中出现的微分方程进行高性能求解 我们计划继续改进DifferentialEquations.jl 的性能,直到它在我们拥有的每个基准测试中都达到同类最佳,然后我们计划添加更多基准以发现更多行为并同时处理这些行为。 我们的软件包使用科学模拟和机器学习工具进行了常规和稳健的测试 这意味着我们将继续开发DiffEqFlux.jl之类的工具,它支持DifferentialEquations.jl微分方程求解器和Flux深度学习库之间的连接 我们计划将一些 SciML 工具拆分为它们自己的完整文档,而不是将所有内容都包含在DifferentialEquations.jl 文档中。我们已经为Surrogates.jl完成了这项工作。
更具体地说,我在 SciML 中坚持使用 Julia 的主要原因是,DifferentialEquations.jl 库工作得非常好,但在 Python 中没有发现任何类似的东西。 Rackauckas 为 Julia、数学和随机生物学开了专门博客,来介绍相关内容,并且 Rackauckas 在 Julia 中开发了一些库,包括(但不限于)DifferentialEquations.jl
他同时也是Julia内部成员之一,为Jualia编写了第三方库DifferentialEquations.jl。 项目地址 ? 开始我写了一些关于在Julia做有限元法的文章,后来很快开发了DifferentialEquations.jl。 Juliacon 2017上遇到了Julia的创始人。 C:如果你有一个常微分方程,随机微分方程,随机微分方程,微分代数方程,延迟微分方程,离散随机(连续马尔可夫)方程,或以上的任意组合,都可以交给DifferentialEquations.jl处理。
第一个链接);在 PyTorch 生态系统 [Pas+19] 中的 torchdiffeq、torchcde 和 torchsde 系列库(2-5 链接);在 Julia [Bez+17] 生态系统中的 DifferentialEquations.jl github.com/google-research/torchsde https://github.com/DiffEqML/torchdyn https://github.com/SciML/DifferentialEquations.jl