Git Stars Git Stars

#partial-differential-equations Dépôts

Découvrez 19 dépôts GitHub open source actifs associés à #partial-differential-equations, cumulant 33,102 étoiles au total (soit une moyenne de 1,742 étoiles par projet). Le projet en tête de ce thème est cantaro86/Financial-Models-Numerical-Methods, avec 7,547 étoiles.

19
Total des Dépôts
33,102
Nombre total d'étoiles
1,742
Moyenne d'Étoiles/Dépôt
1
cantaro86/Financial-Models-Numerical-Methods

Collection de carnets sur la finance quantitative, avec du code Python interactif.

cantaro86
⭐ 7,547 Jupyter Notebook 👤 cantaro86 User 🕐 Mis à jour 2026-10-05 📅 Créé 2019-09-10
2
maziarraissi/PINNs

Apprentissage Profond Informé par la Physique : Solutions Pilotées par les Données et Découverte d'Équations aux Dérivées Partielles Non Linéaires

maziarraissi
⭐ 6,256 Python 👤 maziarraissi User 🕐 Mis à jour 2026-02-11 📅 Créé 2018-01-21
3
neuraloperator/neuraloperator

Apprentissage en dimension infinie avec des opérateurs neuronaux.

neuraloperator
⭐ 3,997 Python 👤 neuraloperator Organization 🕐 Mis à jour 2026-10-17 📅 Créé 2020-10-13
4
vsitzmann/awesome-implicit-representations

Une liste organisée de ressources sur les représentations neuronales implicites.

vsitzmann
⭐ 2,612 👤 vsitzmann User 🕐 Mis à jour 2024-02-11 📅 Créé 2020-12-28
5
FEniCS/dolfinx

Environnement de résolution de problèmes FEniCS de nouvelle génération pour résoudre des problèmes d'éléments finis

FEniCS
⭐ 1,257 C++ 👤 FEniCS Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-04-05
6
SciML/NeuralPDE.jl

Solveurs de Réseaux de Neurones Informés par la Physique (PINN) d'Équations aux (Dérivées) Partielles pour Simulation Accélérée de l'Apprentissage Automatique Scientifique (SciML)

SciML
⭐ 1,242 Julia 👤 SciML Organization 🕐 Mis à jour 2026-11-04 📅 Créé 2017-03-14
7
pdebench/PDEBench

PDEBench : Une référence étendue pour l'apprentissage automatique scientifique

pdebench
⭐ 1,233 Python 👤 pdebench Organization 🕐 Mis à jour 2026-03-30 📅 Créé 2022-06-02
9
numerical-mooc/numerical-mooc

Un cours de méthodes numériques avec Python pour ingénieurs et scientifiques : actuellement 5 modules d'apprentissage, avec des devoirs d'étudiants.

numerical-mooc
⭐ 969 Jupyter Notebook 👤 numerical-mooc Organization 🕐 Mis à jour 2026-08-19 📅 Créé 2014-08-13
10
SciML/DiffEqFlux.jl

Architectures de couches implicites pré-construites avec backprop O(1), GPUs et solveurs DE raides+non raides, démontrant l'apprentissage automatique scientifique (SciML) et les méthodes d'apprentissage automatique informées par la physique

SciML
⭐ 930 Julia 👤 SciML Organization 🕐 Mis à jour 2026-10-18 📅 Créé 2018-12-26
11
gridap/Gridap.jl

Approximation basée sur une grille des équations aux dérivées partielles en Julia

gridap
⭐ 889 Julia 👤 gridap Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-03-15
12
GollyGang/ready

Une implémentation multiplateforme de divers systèmes de réaction-diffusion et d'EDP.

GollyGang
⭐ 825 C++ 👤 GollyGang Organization 🕐 Mis à jour 2025-09-27 📅 Créé 2015-03-18
13
SciML/SciMLTutorials.jl

Tutoriels pour le machine learning scientifique (SciML) et la résolution d'équations différentielles haute performance avec des logiciels open source.

SciML
⭐ 739 CSS 👤 SciML Organization 🕐 Mis à jour 2025-12-03 📅 Créé 2016-10-31
14
simpeg/simpeg

Simulation et Estimation de Paramètres en Géophysique - Un package Python pour la simulation et l'estimation de paramètres basée sur le gradient dans le contexte d'applications géophysiques.

simpeg
⭐ 697 Python 👤 simpeg Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2013-11-26
15
firedrakeproject/firedrake

Firedrake est un système automatisé pour la solution portable d'équations aux dérivées partielles à l'aide de la méthode des éléments finis (FEM)

firedrakeproject
⭐ 686 Python 👤 firedrakeproject Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-10-07
16
usnistgov/fipy

FiPy est un solveur d'EDP par volumes finis écrit en Python

usnistgov
⭐ 649 Python 👤 usnistgov Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2014-08-25
17
JuliaApproximation/ApproxFun.jl

Paquet Julia pour l'approximation de fonctions

JuliaApproximation
⭐ 564 Julia 👤 JuliaApproximation Organization 🕐 Mis à jour 2026-10-01 📅 Créé 2013-07-01
19
maroba/findiff

Package Python pour les dérivées numériques et les équations différentielles partielles dans n'importe quel nombre de dimensions。

maroba
⭐ 510 Python 👤 maroba User 🕐 Mis à jour 2026-11-16 📅 Créé 2018-03-17

Foire aux questions

1

Quel est le dépôt #partial-differential-equations le plus populaire sur GitHub ?

Le projet #partial-differential-equations open source le mieux classé sur GitHub est cantaro86/Financial-Models-Numerical-Methods, avec 7,547 étoiles. Collection de carnets sur la finance quantitative, avec du code Python interactif.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #partial-differential-equations ?

Parmi les projets #partial-differential-equations les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Julia, C++, Jupyter Notebook.

3

Comment le classement des dépôts #partial-differential-equations est-il calculé ?

Nous suivons 19 dépôts open source actifs associés à #partial-differential-equations (500+ étoiles), totalisant 33,102 étoiles, avec une moyenne de 1,742 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.