Git Stars Git Stars

#ordinary-differential-equations Repositórios

Descubra 11 repositórios ativos de código aberto no GitHub marcados com #ordinary-differential-equations, acumulando um total de 16,811 estrelas (uma média de 1,528 por projeto). O líder deste tópico é rtqichen/torchdiffeq, com 6,437 estrelas.

11
Total de Repositórios
16,811
Total de estrelas
1,528
Média de Estrelas/Repositório

11 repositórios no total

1
rtqichen/torchdiffeq

Solucionadores de EDO diferenciáveis com suporte total de GPU e retropropagação de memória O(1).

rtqichen
⭐ 6,437 Python 👤 rtqichen User 🕐 Atualizado 2025-04-04 📅 Criado 2018-11-14
2
SciML/ModelingToolkit.jl

Um framework de modelagem acausal para aprendizado de máquina científico (SciML) paralelizado automaticamente em Julia. Um sistema de álgebra computacional para simbologia integrada para aprendizado de máquina baseado em física e transformações automatizadas de equações diferenciais

SciML
⭐ 1,700 Julia 👤 SciML Organization 🕐 Atualizado 2026-11-21 📅 Criado 2018-02-27
3
Zymrael/awesome-neural-ode

Uma coleção de recursos sobre a interação entre equações diferenciais, aprendizagem profunda (deep learning), sistemas dinâmicos, controle e métodos numéricos.

Zymrael
⭐ 1,505 👤 Zymrael User 🕐 Atualizado 2024-09-13 📅 Criado 2019-07-14
4
SciML/NeuralPDE.jl

Resolvedores de Equações Diferenciais (Parciais) por Redes Neurais Informadas pela Física (PINN) para simulação acelerada de Machine Learning Científico (SciML)

SciML
⭐ 1,242 Julia 👤 SciML Organization 🕐 Atualizado 2026-11-04 📅 Criado 2017-03-14
5
mpmath/mpmath

Biblioteca Python para aritmética de ponto flutuante de precisão arbitrária

mpmath
⭐ 1,238 Python 👤 mpmath Organization 🕐 Atualizado 2026-11-19 📅 Criado 2011-12-07
6
numerical-mooc/numerical-mooc

Um curso de métodos numéricos com Python para engenheiros e cientistas: atualmente 5 módulos de aprendizagem, com trabalhos para os alunos.

numerical-mooc
⭐ 969 Jupyter Notebook 👤 numerical-mooc Organization 🕐 Atualizado 2026-08-19 📅 Criado 2014-08-13
7
SciML/DiffEqFlux.jl

Arquiteturas de camada implícita pré-construídas com O(1) backprop, GPUs e solucionadores de EDO rígidos+não rígidos, demonstrando aprendizado de máquina científico (SciML) e métodos de aprendizado de máquina informados por física

SciML
⭐ 930 Julia 👤 SciML Organization 🕐 Atualizado 2026-10-18 📅 Criado 2018-12-26
8
SciML/SciMLTutorials.jl

Tutoriais para realizar aprendizado de máquina científico (SciML) e resolução de equações diferenciais de alto desempenho com software de código aberto.

SciML
⭐ 739 CSS 👤 SciML Organization 🕐 Atualizado 2025-12-03 📅 Criado 2016-10-31
9
Axect/Peroxide

Biblioteca numérica em Rust com alto desempenho e sintaxe amigável

Axect
⭐ 735 Rust 👤 Axect User 🕐 Atualizado 2026-11-20 📅 Criado 2018-04-20
10
SciML/OrdinaryDiffEq.jl

Resolvedores de alto desempenho para equações diferenciais ordinárias (EDO) e equações diferenciais-algébricas (EDA), incluindo equações diferenciais ordinárias neurais (neural EDOs) e aprendizagem de máquina científica (SciML)

SciML
⭐ 702 Julia 👤 SciML Organization 🕐 Atualizado 2026-11-21 📅 Criado 2016-10-22
11
SciML/diffeqpy

Resolvendo equações diferenciais em Python usando DifferentialEquations.jl e a organização SciML Scientific Machine Learning

SciML
⭐ 616 Python 👤 SciML Organization 🕐 Atualizado 2026-10-17 📅 Criado 2018-04-21

Perguntas Frequentes

1

Qual é o repositório de #ordinary-differential-equations mais popular no GitHub?

O projeto de código aberto de #ordinary-differential-equations mais bem classificado no GitHub é rtqichen/torchdiffeq, com 6,437 estrelas. Solucionadores de EDO diferenciáveis com suporte total de GPU e retropropagação de memória O(1).

2

Quais linguagens de programação são mais usadas nos repositórios de #ordinary-differential-equations?

Entre os projetos de #ordinary-differential-equations mais bem classificados no GitHub, as linguagens de programação mais comuns são Julia, Python, Jupyter Notebook, CSS.

3

Como é calculada a classificação dos repositórios de #ordinary-differential-equations?

Acompanhamos 11 repositórios ativos de código aberto marcados com #ordinary-differential-equations (com mais de 500 estrelas), totalizando 16,811 estrelas e uma média de 1,528 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.