SciML/DiffEqGPU.jl

What it solves

DiffEqGPU.jl 提供用于在 GPU 上加速求解微分方程的基础设施。它解决了计算成本高昂的 ODE 求解器问题，特别是在处理非常大的方程组系统，或者在需要针对数千种不同的初始条件或参数进行求解时（集成模拟/ensemble simulations）。

How it works

该库实现了两种不同的加速路径：

1. Within-Method Parallelism: 对于大型 ODEs，当状态向量 u 非常庞大时，该库利用 GPU 数组（如 CuArray）来加速系统函数 f 的计算。
2. Parameter-Parallelism: 对于需要针对许多不同起始点或参数进行求解的小型 ODEs，它使用 EnsembleGPUArray 和 EnsembleGPUKernel 来并行化求解过程，利用 GPU 的许多核心。

它支持广泛的硬件后端，包括 NVIDIA (CUDA), AMD (ROCm), Intel (OneAPI), Apple M-Series (Metal), 和 OpenCL。

Who it's for

研究人员和工程师，从事科学机器学习 (SciML) 和微分方程研究，需要在不同厂商的 GPU 硬件上获得高性能计算。

Highlights

• Multi-GPU Vendor Support: 支持 NVIDIA, AMD, Intel, 和 Apple Silicon。
• Ensemble Solving: 专门用于同时求解数千条 ODE 轨迹的专用工具。
• Integration: DifferentialEquations.jl 生态系统的一部分。
• Cross-Platform: 支持多种内核语言和后端。