#科学机器学习

DeepXDE 是一个为科学计算和物理引导学习设计的深度学习库。它支持解决多种复杂问题，如常微分方程、偏微分方程、分数阶微分方程和随机微分方程等。DeepXDE 支持多个后端，包括 TensorFlow、PyTorch、JAX 和 PaddlePaddle，提供丰富的几何域、边界条件、自动微分和采样方法。其模块化设计允许用户自定义和扩展模块，适用于科研和工业应用。

DiffEqFlux.jl是一个Julia库，旨在将微分方程与机器学习相结合。该项目基于DifferentialEquations.jl和Lux.jl，主要用于科学机器学习研究，尤其是神经微分方程领域。DiffEqFlux.jl提供了多种神经网络层，包括神经常微分方程、神经随机微分方程等，并支持高阶、自适应、隐式和GPU加速等计算方法。这个库为研究人员和开发者提供了一个探索连续时间机器学习模型的工具。