diffrax: 一个基于 JAX 的用于自动微分和 GPU 加速的数值微分方程求解器库

它解决了什么问题

Diffrax 在 JAX 生态系统中提供了一种数值求解微分方程的方法——特别是常微分方程 (ODE)、随机微分方程 (SDE) 和受控微分方程 (CDE)。它使这些求解器具备自动微分能力并能够在 GPU 上运行，这对于将基于物理的模型与机器学习相结合至关重要。

它是如何工作的

该库基于 JAX 构建，使用统一的内部结构来处理不同类型的方程。它支持多种求解器（例如 Tsit5 和 Dopri8），允许将状态表示为 PyTree，并为反向传播提供多种伴随方法 (adjoint methods)。由于它是基于 JAX 的，过程中的几乎每个部分（包括积分区域）都是 vmappable 的。

适用人群

它专为从事科学计算和 AI 的研究人员和开发人员设计，特别是那些正在实现神经微分方程或需要高性能、可微分数值求解器的用户。

亮点

• 支持 ODE、SDE 和 CDE 求解器。
• 完全可自动微分且兼容 GPU。
• 整个库中的操作都是 vmappable 的。
• 支持神经微分方程。
• 包含多种求解器，包括辛 (symplectic) 和隐式 (implicit) 选项。