Propietario
SciML
137 repositorios indexados · Ver en GitHub
-
DifferentialEquations.jl
Multi-language suite for high-performance solvers of differential equations and scientific machine learning (SciML) components. Ordinary ...
Julia · 3157 estrellas
-
SciMLBook
Parallel Computing and Scientific Machine Learning (SciML): Methods and Applications (MIT 18.337J/6.338J)
HTML · 2044 estrellas
-
ModelingToolkit.jl
An acausal modeling framework for automatically parallelized scientific machine learning (SciML) in Julia. A computer algebra system for ...
Julia · 1683 estrellas
-
NeuralPDE.jl
Physics-Informed Neural Networks (PINN) Solvers of (Partial) Differential Equations for Scientific Machine Learning (SciML) accelerated s...
Julia · 1228 estrellas
-
DiffEqFlux.jl
Pre-built implicit layer architectures with O(1) backprop, GPUs, and stiff+non-stiff DE solvers, demonstrating scientific machine learnin...
Julia · 926 estrellas
-
Optimization.jl
Mathematical Optimization in Julia. Local, global, gradient-based and derivative-free. Linear, Quadratic, Convex, Mixed-Integer, and Nonl...
Julia · 839 estrellas
-
OrdinaryDiffEq.jl
High performance ordinary differential equation (ODE) and differential-algebraic equation (DAE) solvers, including neural ordinary differ...
Julia · 684 estrellas
-
diffeqpy
Solving differential equations in Python using DifferentialEquations.jl and the SciML Scientific Machine Learning organization
Python · 611 estrellas
-
Catalyst.jl
Chemical reaction network and systems biology interface for scientific machine learning (SciML). High performance, GPU-parallelized, and ...
Julia · 526 estrellas
-
BlackBoxOptim.jl
Black-box optimization for Julia
Julia · 464 estrellas
-
DataDrivenDiffEq.jl
Data driven modeling and automated discovery of dynamical systems for the SciML Scientific Machine Learning organization
Julia · 430 estrellas
-
SciMLSensitivity.jl
A component of the DiffEq ecosystem for enabling sensitivity analysis for scientific machine learning (SciML). Optimize-then-discretize, ...
Julia · 396 estrellas
-
Surrogates.jl
Surrogate modeling and optimization for scientific machine learning (SciML)
Julia · 382 estrellas
-
ComponentArrays.jl
Arrays with arbitrarily nested named components.
Julia · 375 estrellas
-
Evolutionary.jl
Evolutionary & genetic algorithms for Julia
Julia · 352 estrellas
-
SciMLBenchmarks.jl
Scientific machine learning (SciML) benchmarks, AI for science, and (differential) equation solvers. Covers Julia, Python (PyTorch, Jax),...
Julia · 346 estrellas
-
DiffEqDocs.jl
Documentation for the DiffEq differential equations and scientific machine learning (SciML) ecosystem
Julia · 328 estrellas
-
DiffEqGPU.jl
GPU-acceleration routines for DifferentialEquations.jl and the broader SciML scientific machine learning ecosystem
Julia · 327 estrellas
-
NonlinearSolve.jl
High-performance and differentiation-enabled nonlinear solvers (Newton methods), bracketed rootfinding (bisection, Falsi), with sparsity ...
Julia · 309 estrellas
-
LinearSolve.jl
LinearSolve.jl: High-Performance Unified Interface for Linear Solvers in Julia. Easily switch between factorization and Krylov methods, a...
Julia · 293 estrellas
- 117 repositorios más están en Ver en GitHub
-
Dificultad 4/5 3-5 días Aptitud para principiantes 52/100
SciML/SteadyStateDiffEq.jl#171 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 72/100
SciML/LinearSolve.jl#1333 · 1 comentario ·
-
bot-generated needs-chris-review
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
SciML/OrdinaryDiffEq.jl#4589 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 72/100
SciML/LinearSolve.jl#1328 ·
-
A shift applied to a whole array variable in a clock partition refers to an undeclared variable Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 52/100
SciML/ModelingToolkit.jl#5169 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 28/100
SciML/ModelingToolkit.jl#5166 ·
-
FirstOrder(lowpass=false): documented transfer function differs from implementation for k != 1 Abiertobug
Dificultad 3/5 1-2 días Aptitud para principiantes 55/100
-
Dificultad 3/5 1-2 días Aptitud para principiantes 74/100
SciML/LinearSolve.jl#1321 ·
-
bot-generated enhancement needs-chris-review
Dificultad 5/5 Más de una semana Aptitud para principiantes 30/100
SciML/AudioPlugins.jl#58 ·
-
Dificultad 2/5 1-2 días Aptitud para principiantes 74/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 52/100
SciML/LinearSolve.jl#1315 · 1 comentario ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 55/100
SciML/NonlinearSolve.jl#1288 ·
-
Most in-place factorizations ignore `alias_A`, destroying the caller's matrix on refactorization Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 68/100
SciML/LinearSolve.jl#1313 · 1 comentario ·
-
Reverse-mode `∂A` drops the residual term for non-square solves, disagreeing with forward mode Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 38/100
SciML/LinearSolve.jl#1309 ·
-
Extension LU algorithms never snapshot `A`, so the QR safety fallback restores a stale matrix Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 65/100
SciML/LinearSolve.jl#1306 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 38/100
SciML/NonlinearSolve.jl#1283 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
SciML/NeuralPDE.jl#1181 ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
SciML/PDEBase.jl#122 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 58/100
SciML/ModelingToolkit.jl#5151 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
SciML/NeuralPDE.jl#1180 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
SciML/ModelingToolkit.jl#5150 ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 74/100
SciML/NeuralPDE.jl#1179 ·
-
Sampling lifecycle: resample! caveats, seeded variant, and RNG consumption by symbolic_discretize Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
SciML/NeuralPDE.jl#1178 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 45/100
SciML/NeuralPDE.jl#1176 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 48/100
SciML/NeuralPDE.jl#1177 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
SciML/NeuralPDE.jl#1175 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 55/100
SciML/NeuralPDE.jl#1174 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 55/100
SciML/NeuralPDE.jl#1172 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
SciML/NeuralPDE.jl#1173 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
SciML/NeuralPDE.jl#1171 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
SciML/NeuralPDE.jl#1170 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
SciML/NeuralPDE.jl#1169 ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 72/100
SciML/ModelingToolkit.jl#5147 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 55/100
SciML/MethodOfLines.jl#697 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 58/100
SciML/MethodOfLines.jl#696 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 58/100
SciML/SciMLSensitivity.jl#1663 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 38/100
SciML/NonlinearSolve.jl#1274 ·
-
Continuous-callback adjoints fail converting FakeIntegrator state from SizedVector to MVector Abierto
Dificultad 3/5 1-2 días Aptitud para principiantes 74/100
SciML/SciMLSensitivity.jl#1660 ·
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 64/100
SciML/Optimization.jl#1358 · 4 comentarios ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 52/100
SciML/NonlinearSolve.jl#1270 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
SciML/ModelingToolkit.jl#5140 ·
-
Compile and generate code for whole-array equation models without scalarizing per element (tracking) Abiertobot-generated needs-chris-review
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
SciML/ModelingToolkit.jl#5139 · 1 comentario ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 76/100
SciML/Catalyst.jl#1561 ·
-
bot-generated needs-chris-review
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
SciML/ModelingToolkit.jl#5138 ·
-
Keep discretized dependent variables as array-valued unknowns instead of scalarizing per grid point Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
SciML/MethodOfLines.jl#695 · 1 comentario ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
SciML/DiffEqGPU.jl#540 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
SciML/Dedalus.jl#15 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
SciML/ModelingToolkit.jl#5125 · 1 comentario ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 20/100
SciML/NeuralPDE.jl#1166 ·
-
bot-generated needs-chris-review
Dificultad 4/5 3-5 días Aptitud para principiantes 30/100
SciML/ModelingToolkit.jl#5119 ·
Mostrando los 100 más recientes
Esta página solo lista lo indexado más recientemente. El filtro avanzado tiene el inventario completo, acotado por lenguaje, dificultad y duración.