#scientific-machine-learning Repositorios
Descubre 23 repositorios activos de código abierto de GitHub etiquetados con #scientific-machine-learning, que acumulan 51,807 estrellas en total (una media de 2,252 estrellas por proyecto). El líder de este tema es KindXiaoming/pykan, con 16,291 estrellas.
23 repositorios en total
Aprendizaje Profundo Informado por la Física: Soluciones Impulsadas por Datos y Descubrimiento de Ecuaciones Diferenciales Parciales No Lineales
Una biblioteca para el aprendizaje automático científico y el aprendizaje informado por la física
Suite multilingüe para solvers de alto rendimiento de ecuaciones diferenciales y componentes de aprendizaje automático científico (SciML). Ecuaciones diferenciales ordinarias (ODEs), ecuaciones diferenciales estocásticas (SDEs), ecuaciones diferenciales con retardo (DDEs), ecuaciones diferenciales-algebraicas (DAEs) y más en Julia.
Computación Paralela y Aprendizaje Automático Científico (SciML): Métodos y Aplicaciones (MIT 18.337J/6.338J)
Un marco de modelado acausal para el aprendizaje automático científico (SciML) paralelizado automáticamente en Julia. Un sistema de álgebra computacional para simbólica integrada para aprendizaje automático informado por la física y transformaciones automáticas de ecuaciones diferenciales
Solvers de Redes Neuronales Informadas por Física (PINN) de Ecuaciones Diferenciales (Parciales) para Simulación Acelerada de Machine Learning Científico (SciML)
Arquitecturas de capas implícitas pre-construidas con backprop O(1), GPUs y solvers DE rígidos+no rígidos, demostrando aprendizaje automático científico (SciML) y métodos de aprendizaje automático informado por física
Una implementación de la Red Neuronal Fermiónica para cálculos ab-initio de estructura electrónica
Optimización matemática en Julia. Local, global, basada en gradiente y sin derivada. Optimización lineal, cuadrática, convexa, de enteros mixtos y no lineal en una interfaz simple, rápida y diferenciable.
Representación robusta de grafos con restricciones semánticas, en particular para moléculas en química
Tutoriales para realizar aprendizaje automático científico (SciML) y resolución de ecuaciones diferenciales de alto rendimiento con software de código abierto.
🏆 Una lista clasificada de impresionantes proyectos de aprendizaje automático atomístico ⚛️🧬💎.
Solvers de alto rendimiento para ecuaciones diferenciales ordinarias (ODE) y ecuaciones diferenciales-algebraicas (DAE), incluyendo ecuaciones diferenciales ordinarias neuronales (neural ODEs) y aprendizaje automático científico (SciML)
Resolviendo ecuaciones diferenciales en Python usando DifferentialEquations.jl y la organización SciML Scientific Machine Learning
Interfaz de red de reacciones químicas y biología de sistemas para el aprendizaje automático científico (SciML). Solucionadores de alto rendimiento, paralelizados por GPU y O(1) en software de código abierto.
Preguntas frecuentes
¿Cuál es el repositorio de #scientific-machine-learning más popular en GitHub?
El proyecto de código abierto de #scientific-machine-learning mejor posicionado en GitHub es KindXiaoming/pykan, con 16,291 estrellas. Redes de Kolmogorov Arnold
¿Qué lenguajes de programación se utilizan más en los repositorios de #scientific-machine-learning?
Entre los proyectos de #scientific-machine-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Julia, Jupyter Notebook, HTML.
¿Cómo se calcula la clasificación de los repositorios de #scientific-machine-learning?
Seguimos 23 repositorios activos de código abierto etiquetados con #scientific-machine-learning (500+ estrellas), que suman un total de 51,807 estrellas, con una media de 2,252 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.