scientific

Julia 编程语言

一套开箱即用的智能体技能集，适用于科研、科学、工程、分析、金融与写作领域

Burn是下一代深度学习框架，在灵活性、效率和可移植性方面毫不妥协。

完全自主且自我演进的研究流程，从想法到论文。提出一个想法，获得一篇论文。🦞

一套开箱即用的智能体技能集，适用于研究、科学、工程、分析、金融与写作领域。

✨ The fundamental numerical library for JavaScript and TypeScript. ✨                   ⭐️ Star to support our work!

Open Science by AIPOCH 是一个开源、本地优先、与模型无关的 AI 研究工作台，适用于 macOS、Windows 和 Linux，具有科学代理、Python/R 笔记本、数据连接器和可重复的出处。

一个用于Julia中自动并行化科学机器学习（SciML）的非因果建模框架。一个用于物理信息机器学习集成符号计算及微分方程自动变换的计算机代数系统

面向LLVM与MLIR的高性能自动微分框架。

一个由Claude驱动的离线优先科学写作工作区。LaTeX + Python + 100多项科学技能全部在本地运行。

Julia中的数学优化库。涵盖局部、全局、基于梯度和无导数优化。通过统一简洁、快速且可微的接口，实现线性、二次、凸优化、混合整数及非线性优化。

优雅且高性能的深度学习

高性能常微分方程与微分代数方程求解器，包含神经常微分方程及科学机器学习组件

面向科学机器学习的化学反应网络与系统生物学接口。开源软件中的高性能、GPU并行化及O(1)求解器。

用于开发人工智能和高性能科学计算的V语言库

DiffEq生态系统中的一个组件，用于实现科学机器学习（SciML）的敏感性分析。支持先优化后离散化、先离散化后优化、伴随方法等，适用于常微分方程、随机微分方程、时滞微分方程、微分代数方程等。

具有任意嵌套命名组件的数组。

轻量级基础库，用于定义微分方程和科学机器学习（SciML）问题的共享类型与功能

科学机器学习（SciML）基准测试、人工智能驱动的科学以及（微分）方程求解器。涵盖Julia、Python（PyTorch、Jax）、MATLAB、R

支持自动微分的高性能非线性求解器（牛顿法）与区间求根法（二分法、试位法），具备稀疏矩阵与牛顿-克雷洛夫法支持

LinearSolve.jl：Julia线性求解器高性能统一接口，可在因子分解法与Krylov方法间自由切换，支持预条件器集成

为SciML科学机器学习组织提供的数值积分与求积通用接口

用于在科学机器学习及其他应用中轻松处理数组嵌套和多层嵌套对象的工具

N维数组的科学计算