Plugin dédié à la physique différentiable dans SOFA, permettant d'optimiser des paramètres de simulations physiques grâce à la différentiation automatique. Il facilite la propagation des gradients vers les champs de force et les contraintes, et propose des outils pour implémenter des composants personnalisés en Python. Idéal pour des applications nécessitant une optimisation fine de modèles physiques.

LibPFASST est une bibliothèque logicielle dédiée à la résolution de problèmes mathématiques complexes, notamment les équations différentielles partielles. Elle permet de simuler des systèmes physiques ou chimiques en utilisant des méthodes numériques avancées comme les méthodes de décomposition de domaine. Utilisée dans des environnements de calcul intensif, elle optimise les performances des simulations pour des applications scientifiques ou industrielles.

SympLearn est une bibliothèque Python dédiée à l'apprentissage automatique géométrique et à la simulation de systèmes dynamiques à long terme. Elle permet de modéliser des équations différentielles, d'entraîner des réseaux de neurones pour des problèmes géométriques, et de générer des trajectoires numériques précises. Utilisée dans des contextes scientifiques, elle facilite l'étude de phénomènes physiques comme les champs magnétiques ou les systèmes hamiltoniens.

Patapon est une bibliothèque open source dédiée à la simulation numérique de phénomènes physiques complexes, notamment en magnétohydrodynamique (MHD). Elle permet de modéliser des écoulements de fluides conducteurs sous l'influence de champs magnétiques, comme ceux observés dans les plasmas astrophysiques ou les expériences de laboratoire. Le projet intègre des solveurs avancés pour résoudre des équations différentielles partielles et des systèmes d'équations non linéaires, offrant ainsi des outils puissants pour la recherche en physique théorique et appliquée.

Ndg2d est un solveur numérique basé sur la méthode des éléments finis discontinus nodaux. Il permet de résoudre des équations différentielles partielles en 1D, 2D et 3D, notamment pour des applications en mécanique des fluides et en physique des milieux continus. Le projet est conçu pour des simulations précises et parallélisables, avec une gestion optimisée des calculs intensifs.

Odexp est un outil en ligne de commande dédié à la simulation et à l'analyse de systèmes dynamiques basés sur des populations de particules. Il permet de modéliser des équations différentielles ordinaires, stochastiques ou à retard, et de visualiser les résultats via des graphiques générés par gnuplot. Idéal pour les chercheurs et ingénieurs en mathématiques appliquées ou physique théorique.

Ce projet implémente un schéma numérique basé sur la méthode de Galerkin discontinue (DG) pour résoudre des équations différentielles en une dimension. Il est conçu pour des simulations numériques avancées, notamment dans les domaines de la mécanique des fluides, de la physique des plasmas ou de l'ingénierie. L'outil permet d'évaluer la précision des solutions numériques et de comparer différentes méthodes d'approximation.

La bibliothèque Semi-Lagrangian est une collection de fonctions et d'outils permettant de résoudre des systèmes d'équations différentielles et de modéliser des phénomènes physiques grâce à des simulations numériques.

Julia est un langage de programmation conçu pour le calcul scientifique et numérique. Il offre des performances élevées et une syntaxe expressive. Ce dépôt contient une image Julia pour JupyterHub avec des packages dédiés aux équations différentielles, à l'interaction utilisateur et à la simulation physique.