#scientific-machine-learning Repositórios
Descubra 23 repositórios ativos de código aberto no GitHub marcados com #scientific-machine-learning, acumulando um total de 51,807 estrelas (uma média de 2,252 por projeto). O líder deste tópico é KindXiaoming/pykan, com 16,291 estrelas.
23 repositórios no total
Aprendizado Profundo Informado por Física: Soluções Orientadas por Dados e Descoberta de Equações Diferenciais Parciais Não Lineares
Uma biblioteca para aprendizado de máquina científico e aprendizado informado pela física
Suíte multilíngue para solucionadores de alto desempenho de equações diferenciais e componentes de aprendizado de máquina científico (SciML). Equações diferenciais ordinárias (EDOs), equações diferenciais estocásticas (EDEs), equações diferenciais com atraso (EDATs), equações diferenciais algébricas (EDAs) e mais em Julia.
Computação Paralela e Machine Learning Científico (SciML): Métodos e Aplicações (MIT 18.337J/6.338J)
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
Resolvedores de Equações Diferenciais (Parciais) por Redes Neurais Informadas pela Física (PINN) para simulação acelerada de Machine Learning Científico (SciML)
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
Uma implementação da Rede Neural Fermiônica para cálculos de estrutura eletrônica ab initio
Otimização Matemática em Julia. Local, global, baseada em gradiente e livre de derivadas. Otimização Linear, Quadrática, Convexa, de Inteiros Mistos e Não Linear em uma interface simples, rápida e diferenciável.
Representação robusta de grafos semanticamente constrangidos, em particular para moléculas em química
Tutoriais para realizar aprendizado de máquina científico (SciML) e resolução de equações diferenciais de alto desempenho com software de código aberto.
🏆 Uma lista classificada de projetos incríveis de aprendizado de máquina atomístico ⚛️🧬💎.
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)
Resolvendo equações diferenciais em Python usando DifferentialEquations.jl e a organização SciML Scientific Machine Learning
Interface de rede de reações químicas e biologia de sistemas para aprendizado de máquina científico (SciML). Solucionadores de alto desempenho, paralelizados por GPU e O(1) em software de código aberto.
Perguntas Frequentes
Qual é o repositório de #scientific-machine-learning mais popular no GitHub?
O projeto de código aberto de #scientific-machine-learning mais bem classificado no GitHub é KindXiaoming/pykan, com 16,291 estrelas. Redes de Kolmogorov Arnold
Quais linguagens de programação são mais usadas nos repositórios de #scientific-machine-learning?
Entre os projetos de #scientific-machine-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Julia, Jupyter Notebook, HTML.
Como é calculada a classificação dos repositórios de #scientific-machine-learning?
Acompanhamos 23 repositórios ativos de código aberto marcados com #scientific-machine-learning (com mais de 500 estrelas), totalizando 51,807 estrelas e uma média de 2,252 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.