jax

Método de elementos finitos diferenciable con JAX

Tevatron: kit de herramientas unificado para la recuperación de documentos a escala, en cualquier idioma y modalidad. Demo en SIGIR 2023, SIGIR 2025.

Modelos OCR ligeros y rápidos para el reconocimiento de texto en matrículas.

Guía de aprendizaje automático. Aprende todo sobre herramientas, bibliotecas, marcos, modelos de lenguaje grandes (LLM) y modelos de entrenamiento de Machine Learning.

Algoritmos de aprendizaje automático para sistemas cuánticos de muchos cuerpos

Tutoriales de aprendizaje automático informado por la física (Pytorch y Jax)

Procesos gaussianos en JAX y Equinox.

♟️ Entornos de juego de aprendizaje por refuerzo vectorizados en JAX.

Paquete de dinámica de fluidos diferenciable

Optimización no lineal (búsqueda de raíces, mínimos cuadrados, ...) en JAX+Equinox. https://docs.kidger.site/optimistix/

Solucionadores lineales en JAX y Equinox. https://docs.kidger.site/lineax

Resolución de problemas directos e inversos relacionados con ecuaciones diferenciales parciales mediante redes neuronales informadas por la física de base finita (FBPINNs)

Todo lo que necesitas saber sobre Google Cloud TPU

Felafax está construyendo infraestructura de IA para GPUs que no son de NVIDIA

De profesor a tiles: un motor de destilación y servicio de LLM creado desde cero: kernels personalizados de Triton/CUDA, destilación FSDP, procesamiento por lotes continuo paged-KV, decodificación especulativa, una puerta de enlace en Rust, un oráculo JAX y herramientas de interpretabilidad.

Pax es un framework de aprendizaje automático basado en Jax para entrenar modelos a gran escala. Pax permite una experimentación y paralelización avanzadas y totalmente configurables, y ha demostrado tasas de utilización de flops líderes en la industria.

Comunicación MPI de copia cero para arrays de JAX, diseñada para aplicaciones HPC de alto rendimiento en Python.

Orbax proporciona utilidades comunes de checkpointing y persistencia para usuarios de JAX.

Implementación en Keras del modelo Open-NSFW de Yahoo.

Implementación de https://srush.github.io/annotated-s4

Controlador predictivo de modelo para robots cuadrúpedos basado en el modelo de cuerpo rígido único y escrito en Python. Basado en gradiente (acados) o en muestreo (jax)

XLB: Lattice Boltzmann acelerado (XLB) para aprendizaje automático basado en física.