探索AI前沿，掌握行业发展趋势
每日精选AI热点，追踪最新行业动态
精准筛选产品，多维度产品调研
热门AI产品实力、热度、年/月/日排行
提交AI产品信息，助力产品推广和用户转化
一站式AI工具指南，快速找到你需要的工具
涵盖各类AI模型，满足你的开发与研究需求
热门AI大模型性能、热度、年/月/日排行
寻找优质模型提供商，获取可靠模型支持
提交模型信息和服务，精准推广和触达用户
多维度对比大模型，找到最适合你的模型
精准计算大模型使用成本，合理规划预算
多模型实时评测，模型输出结果快速比对
聚集热门MCP服务，快速找到适合你的服务
轻松接入MCP客户端，调用强大的AI能力
学习MCP使用技巧，从入门到精通
热门MCP服务性能排行，帮你找到最佳选择
发布你的MCP服务，推广你的MCP服务
自由测试MCP服务，线上快速体验
快速测试MCP服务，快速上线
分析并追踪人工智能模型如何引用您的品牌
通过AI搜索优化服务，让品牌在AI中实现霸屏
检测品牌在AI平台中的可见度
一键检测电脑配置，研判运行模型的兼容性
根据算力需求，推荐匹配的服务器配置
提供用于训练、评估和测试模型的数据集
提供各类文档文字提取，支持自定义场景
发现与 Shallow Water Equations 相关的最受欢迎的开源项目和工具，了解最新的开发趋势和创新。
利用神经算子进行无限维空间学习
基于随机微分方程的评分生成模型的PyTorch实现（ICLR 2021，口头报告）
并行计算与科学机器学习（SciML）：方法与应用（麻省理工学院18.337J/6.338J）
基于随机微分方程的评分生成模型的官方代码（ICLR 2021，口头报告）
支持GPU且具有高效灵敏度分析的可微分随机微分方程求解器
一个用于 Julia 语言中自动并行化科学机器学习 (SciML) 的非因果建模框架。一个用于物理信息机器学习的集成符号计算系统，以及微分方程的自动变换。
SparkyFitness: Built for Families. Powered by AI. Track food, fitness, water, and health — together.
一个完全专注于神经微分方程、隐式模型及相关数值方法的PyTorch库
翻译LaTeX格式的科学论文，尤其专注于arXiv论文
用于科学机器学习 (SciML) 加速仿真的物理信息神经网络（PINN）求解器（偏）微分方程
Brian是一个免费的开源脉冲神经网络模拟器。
PDEBench：一个用于科学机器学习的综合基准测试集
具有O(1)反向传播、GPU支持以及刚性/非刚性微分方程求解器的预构建隐式层架构，展示了科学机器学习 (SciML) 和物理信息机器学习方法。
精选波斯语自然语言处理和信息检索工具与资源列表
一个基于PyTorch的神经网络求解微分方程的库，被全球多个研究团队使用，包括哈佛大学IACS。
使用开源软件进行科学机器学习 (SciML) 和高性能微分方程求解的教程。
神经控制微分方程处理不规则时间序列的代码（Neurips 2020 Spotlight论文）
用于高级建模的物理信息神经网络
高性能常微分方程 (ODE) 和微分代数方程 (DAE) 求解器，包括神经常微分方程 (神经 ODE) 和科学机器学习 (SciML) 方法。
用于科学机器学习 (SciML) 的化学反应网络与系统生物学接口。该接口基于开源软件，具有高性能、GPU 并行化和 O(1) 复杂度的求解器。
