differentiable-programming

Programación de GPU productiva, portátil y de alto rendimiento en Python.

Un framework de Python para simulación acelerada por GPU, robótica y aprendizaje automático.

Un sistema de programación probabilística de propósito general con inferencia programable

Diferenciación automática de alto rendimiento para LLVM y MLIR.

Solucionadores rápidos e integrados para control óptimo no lineal y control predictivo basado en modelos no lineales.

Framework basado en PyTorch para resolver problemas de optimización paramétrica con restricciones, identificación de sistemas informados por la física y control predictivo basado en modelos paramétricos.

Optimizadores acelerados por hardware, por lotes y diferenciables en JAX.

Diseño, optimización y análisis óptico integral en Python, que incluye trazado de rayos diferenciable y acelerado por GPU mediante PyTorch

Cinemática de robots implementada en PyTorch.

Método de elementos finitos diferenciable con JAX

TorchOpt es una biblioteca eficiente para optimización diferenciable construida sobre PyTorch.

Bindings de Julia para el diferenciador automático Enzyme.

🧩 Diferenciación simbólica segura para formas (Shape-Safe) con tipos de datos algebraicos.