SciML

डिफरेंशियल इक्वेशन और वैज्ञानिक मशीन लर्निंग (SciML) घटकों के उच्च-प्रदर्शन सॉल्वर्स के लिए बहु-भाषा सुइट। Julia में साधारण अंतर समीकरण (ODEs), स्टोकेस्टिक अंतर समीकरण (SDEs), विलंब अंतर समीकरण (DDEs), अंतर-बीजीय समीकरण (DAEs), और बहुत कुछ।

समांतर कंप्यूटिंग और वैज्ञानिक मशीन लर्निंग (SciML): तरीके और अनुप्रयोग (MIT 18.337J/6.338J)

Julia में स्वचालित रूप से समानांतर वैज्ञानिक मशीन लर्निंग (SciML) के लिए एक अकाजुअल मॉडलिंग फ्रेमवर्क। भौतिकी-सूचित मशीन लर्निंग के लिए एकीकृत प्रतीकों और अंतर समीकरणों के स्वचालित परिवर्तनों के लिए एक कंप्यूटर बीजगणित प्रणाली

वैज्ञानिक मशीन लर्निंग (SciML) त्वरित सिमुलेशन के लिए (आंशिक) अंतर समीकरणों के भौतिकी-सूचित तंत्रिका नेटवर्क (PINN) सॉल्वर

वैज्ञानिक मशीन लर्निंग (SciML) और भौतिकी-सूचित मशीन लर्निंग विधियों का प्रदर्शन करते हुए O(1) बैकप्रॉप, GPU, और कठोर + गैर-कठोर DE सॉल्वर के साथ पूर्व-निर्मित निहित परत आर्किटेक्चर

Julia में गणितीय अनुकूलन (Mathematical Optimization)। स्थानीय, वैश्विक, ग्रेडिएंट-आधारित और डेरिवेटिव-मुक्त। एक सरल, तेज़ और डिफरेंशिएबल इंटरफ़ेस में रैखिक, द्विघात, उत्तल, मिश्रित-पूर्णांक और गैर-रैखिक अनुकूलन।

न्यूरल ऑर्डिनरी डिफरेंशियल इक्वेशन (neural ODEs) और साइंटिफिक मशीन लर्निंग (SciML) सहित उच्च-प्रदर्शन ऑर्डिनरी डिफरेंशियल इक्वेशन (ODE) और डिफरेंशियल-अलजेब्रिक इक्वेशन (DAE) सॉल्वर

DifferentialEquations.jl और SciML साइंटिफिक मशीन लर्निंग ऑर्गनाइजेशन का उपयोग करके Python में डिफरेंशियल इक्वेशन को हल करना।

साइंटिफिक मशीन लर्निंग (SciML) के लिए केमिकल रिएक्शन नेटवर्क और सिस्टम बायोलॉजी इंटरफ़ेस। ओपन सोर्स सॉफ़्टवेयर में उच्च प्रदर्शन, GPU-समानांतर, और O(1) सॉल्वर।