Adding support for ODE differentiation and interface for DifferentialEquations.jl
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
Empieza leyendo el Appendix D del artículo enlazado sobre Taylor-mode AD y revisando el nuevo módulo ode.jl propuesto junto con las interfaces existentes de TaylorDiff.jl. Compara los ejemplos propuestos con DifferentialEquations.jl y llega primero a un acuerdo sobre la interfaz y el alcance; el issue todavía no define qué se requiere para darlo por terminado.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Hi!
I had been playing around with using TaylorDiff.jl for higher-order differentiation of numerical solutions of ODEs. I have a simple implementation of the method introduced in Appendix D in Taylor-Mode Automatic Differentiation for
Higher-Order Derivatives in JAX together with some simple examples of ODEs. I think this quite add some value to the library, since it is particularly important to compute higher-order derivatives of solutions of differential equations for some very specific applications.
I would be happy to make a PR with this, probably into a new module ode.jl. Would this be useful for the library? I would love to contribute :)
- Lenguaje dominante
- Julia
- Estrellas
- 83
- Forks
- 12
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaDiff/TaylorDiff.jl
-
Ambiguity with forwarddiff ?Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
JuliaDiff/TaylorDiff.jl#103 · 6 comentarios ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
JuliaDiff/TaylorDiff.jl#102 · 3 comentarios ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
JuliaDiff/TaylorDiff.jl#99 · 3 comentarios ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaDiff/TaylorDiff.jl#95 · 1 comentario ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
JuliaDiff/TaylorDiff.jl#93 ·
Todos los issues de JuliaDiff/TaylorDiff.jl
Issues similares
-
Add more snippets to R and JuliaAbiertoenhancement good first issue help wanted
Dificultad 2/5 Medio día Aptitud para principiantes 82/100
-
Precompilation fails on Julia 1.14 nightly: HessenbergQ lmul! methods overwrite LinearAlgebra'sAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
JuliaLinearAlgebra/GenericLinearAlgebra.jl#183 · 1 comentario ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
JuliaGPU/KernelAbstractions.jl#897 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
oscar-system/GAP.jl#1455 ·
Los mantenedores suelen responder en 1 día