DifferentialEquations.jl
v7.15.0
นี่คือชุดโปรแกรมสำหรับการแก้สมการเชิงอนุพันธ์เชิงตัวเลขที่เขียนด้วยภาษา Julia และพร้อมให้ใช้งานใน Julia, Python และ R วัตถุประสงค์ของแพ็คเกจนี้คือเพื่อให้การใช้งาน Julia ของตัวแก้ปัญหาสำหรับสมการเชิงอนุพันธ์ต่างๆ มีประสิทธิภาพ สมการภายในขอบเขตของแพ็คเกจนี้ประกอบด้วย:
ตัวแก้ปัญหา DifferentialEquations ที่ได้รับการปรับปรุงมาเป็นอย่างดีถือเป็นการนำอัลกอริธึมแบบคลาสสิกไปใช้ที่เร็วที่สุด นอกจากนี้ยังรวมอัลกอริธึมจากการวิจัยล่าสุดซึ่งมีประสิทธิภาพเหนือกว่าวิธี C/Fortran "มาตรฐาน" เป็นประจำ และอัลกอริธึมที่ได้รับการปรับแต่งสำหรับแอปพลิเคชัน HPC ที่มีความแม่นยำสูง ในขณะเดียวกันก็รวมวิธี C/Fortran แบบคลาสสิกเข้าด้วยกัน ทำให้ง่ายต่อการสลับไปใช้ทุกเมื่อที่จำเป็น การแก้สมการเชิงอนุพันธ์ด้วยวิธีการที่แตกต่างกันจากภาษาและแพ็คเกจที่แตกต่างกันสามารถทำได้โดยการเปลี่ยนโค้ดหนึ่งบรรทัด ซึ่งช่วยให้เปรียบเทียบได้ง่ายเพื่อให้แน่ใจว่าคุณใช้วิธีการที่เร็วที่สุดเท่าที่จะเป็นไปได้
DifferentialEquations.jl ทำงานร่วมกับแพ็คเกจ Julia ด้วย:
นอกจากนี้ DifferentialEquations.jl ยังมาพร้อมกับคุณสมบัติการวิเคราะห์ในตัว ได้แก่:
สิ่งนี้ให้ส่วนผสมอันทรงพลังระหว่างคุณสมบัติความเร็วและความสามารถในการผลิตเพื่อช่วยให้คุณแก้และวิเคราะห์สมการเชิงอนุพันธ์ได้เร็วขึ้น
สำหรับข้อมูลเกี่ยวกับการใช้แพ็คเกจ โปรดดูเอกสารประกอบที่เสถียร ใช้เอกสารประกอบที่อยู่ระหว่างการพัฒนาสำหรับเวอร์ชันของเอกสารประกอบที่มีคุณสมบัติที่ยังไม่เผยแพร่
อัลกอริธึมทั้งหมดได้รับการทดสอบอย่างละเอียดเพื่อให้มั่นใจถึงความแม่นยำผ่านการทดสอบการลู่เข้า อัลกอริธึมได้รับการทดสอบอย่างต่อเนื่องเพื่อแสดงความถูกต้อง สมุดบันทึกการสอนของ IJulia สามารถพบได้ที่ DiffEqTutorials.jl สามารถดูเกณฑ์มาตรฐานได้ที่ DiffEqBenchmarks.jl หากคุณพบสมการใดที่ดูเหมือนว่าจะมีข้อผิดพลาด โปรดเปิดประเด็น
หากคุณมีคำถามใดๆ หรือเพียงต้องการพูดคุยเกี่ยวกับนักแก้ปัญหา/การใช้แพ็คเกจ โปรดอย่าลังเลที่จะแชทในช่อง Gitter สำหรับรายงานข้อผิดพลาด คำขอคุณลักษณะ ฯลฯ โปรดส่งปัญหา หากคุณสนใจที่จะมีส่วนร่วม โปรดดูเอกสารประกอบสำหรับนักพัฒนา
ซอฟต์แวร์ในระบบนิเวศนี้ได้รับการพัฒนาโดยเป็นส่วนหนึ่งของการวิจัยทางวิชาการ หากคุณต้องการช่วยสนับสนุน โปรดติดดาวพื้นที่เก็บข้อมูล เนื่องจากการวัดดังกล่าวอาจช่วยให้เราได้รับเงินทุนในอนาคต หากคุณใช้ซอฟต์แวร์ SciML เป็นส่วนหนึ่งของการวิจัย การสอน หรือกิจกรรมอื่นๆ เราจะยินดีเป็นอย่างยิ่งหากคุณสามารถอ้างอิงงานของเราได้ โปรดดูหน้าการอ้างอิงของเราสำหรับแนวทาง
ดูโพสต์บล็อกที่เกี่ยวข้อง
