Об этом проекте

scientific-computing-system (CDS) — это чистая Python-платформа для вычислительной науки, предназначенная для численных методов, моделирования, валидации, количественной оценки неопределённости и воспроизводимых научных рабочих процессов. Проект делает акцент на читаемости, переносимости и проверяемости, а не на максимальной производительности, что делает его подходящим для образования, прототипирования и сред, где наличие скомпилированных зависимостей нежелательно. Текущая версия пакета (2.0.0) сохраняет ядро без зависимостей времени выполнения, предоставляя при этом опциональные адаптеры к известным научным библиотекам (NumPy, SciPy, statsmodels, scikit-learn, SymPy, Z3) для перекрёстной валидации и специализированных решателей. Архитектура организована в пять уровней: вычисления (квантовые вычисления, сигналы, математика, ОДУ/УЧП, интегрирование), анализ (статистика, вероятность, машинное обучение, моделирование, чувствительность), обеспечение (валидация, неопределённость, единицы измерения, происхождение данных), оркестрация (рабочие процессы, опциональные инструменты) и данные (анализ данных, потоковый ввод/вывод, знания). Ключевые возможности включают: - Квантовые вычисления: одно- и многокубитовые схемы, состояния Белла/GHZ, утилиты для запутанности - Обработка сигналов: DFT/FFT, свёртка, фильтры, STFT, вейвлет-операции - Численные методы: линейная алгебра, разложения, квадратуры, решатели жёстких и симплектических ОДУ - Оптимизация: градиентные, ньютоновские и Adam-методы, Нелдер—Мид, имитация отжига, поиск с ограничениями - Статистика и вероятность: вывод, регрессия, статистические тесты, распределения, байесовские утилиты - Машинное обучение: классические оценки, PCA, k-means, kNN, предобработка, валидация - Научные области: физические константы, вспомогательные средства генетики, фракталы, теория информации - Анализ данных: табличный анализ, нормализация, визуализация, потоковый ввод/вывод с опциональной поддержкой HDF5/NetCDF - Научное обеспечение: анализ размерностей, распространение неопределённостей, анализ чувствительности, перекрёстная валидация методов, отслеживание происхождения данных, оркестрация рабочих процессов с утверждением этапов Платформа отличается тем, что разделяет вычисленные результаты и доказательства, их подтверждающие, что обеспечивает проверяемые, воспроизводимые и опровержимые научные рабочие процессы. Варианты установки варьируются от чисто Python-ядра до полных научных бэкендов, исследовательского ввода/вывода данных, построения графиков и поддержки информационных панелей.