SciML

微分方程式および科学的機械学習（SciML）コンポーネント向けの高性能ソルバー用多言語スイート。常微分方程式（ODE）、確率微分方程式（SDE）、遅れ微分方程式（DDE）、微分代数方程式（DAE）などを Julia で実装。

並列計算と科学的機械学習 (SciML): 手法と応用 (MIT 18.337J/6.338J)

Julia における自動並列化された科学的機械学習（SciML）のための非因果的モデリングフレームワーク。物理情報機械学習のための統合記号処理や微分方程式の自動変換を行う数式処理システム

科学的機械学習（SciML）向けの高速シミュレーション（偏）微分方程式の物理情報ニューラルネットワーク（PINN）ソルバー

O(1) の逆伝播、GPU、および剛性・非剛性 DE ソルバーを備えた事前構築済みの暗黙的レイヤーアーキテクチャ。科学的機械学習 (SciML) および物理情報機械学習の手法を示す

Juliaでの数理最適化。ローカル、グローバル、勾配ベースおよび微分フリー。線形、二次、凸、混合整数、非線形の最適化をシンプルで高速かつ微分可能な単一のインターフェースで実現します。

ニューラル常微分方程式（neural ODEs）や科学的機械学習（SciML）を含む、高性能な常微分方程式（ODE）および微分代数方程式（DAE）ソルバー

DifferentialEquations.jlとSciML Scientific Machine Learning組織を使用した、Pythonでの微分方程式の解法

科学的機械学習（SciML）向けの化学反応ネットワークおよびシステム生物学インターフェース。オープンソースソフトウェアによる高性能、GPU並列化、O(1)ソルバーを提供