我目前正在研究DifferentialEquations.jl的文档，并尝试移植我较旧的计算神经科学代码来使用它，而不是我自己的、不太优雅和高性能的ODE 求解器。在执行此操作时，我偶然发现了以下问题：是否可以在返回当前步骤后立即访问和使用求解器返回的结果（而不是等待问题完成）？

我正在寻找一种方法来实时绘制模拟神经元的电压水平，这似乎是一项足够简单的任务，而且使用现有的 Julia 包可能很简单，但我不知道怎么做。它与回调有什么关系吗？提前致谢。

an 的时间跨度是否有可能ODEProblem是开放式的，即问题一直运行到给出外部信号（可能通过具有适当条件的离散回调）？直观地说，这意味着给出类似的东西，尽管我不确定这是否被允许并且似乎在文档tspan = (0.0, Inf)中找不到任何东西。TIA。

在 Julia 中，我想解决一个带有外部强迫的 ODE 系统，g1(t), g2(t)例如

从文件中读取的强制。

我正在使用这项研究来学习 Julia 和包差分方程，但我很难找到正确的方法。

我可以想象使用 acallback可以工作，但这似乎很麻烦。

您是否知道如何实施这种外部强制？

最近开始熟悉 Julia 的 DiffEqPhysics 和 DifferentialEquations 包。我想知道是否有办法（如回调函数）以一定的输出收敛条件终止求解器。例如，如果在前一步（或一系列先前步骤）中获得的结果与当前步骤的解没有阈值的差异，则在当前步骤之后结束该过程。

当我在 python 中使用 numba 时，我知道如果我尝试 jit 编译在其循环中具有任意精度浮点数（mpmath）的函数，它将无法在 nopython 模式下编译，并且它的速度将与普通 python 版本相同。我的问题是关于 Julia package DifferentialEquations.jl。在他们的主页上，他们说它支持 BigFloats 和 ArbFloats。我知道这个包还使用了 julia 默认情况下 jit 编译的循环。所以我的问题是，DifferentialEquations.jl当我传递使用 BigFloat 数字的微分方程时，函数是否是 jit 编译的。

我一直在寻找，但找不到在 julia 中使用微分方程参数估计来拟合多个数据集的直接方法。所以，假设我们有这个带有两个参数的简单微分方程：

我们有 u[1] vs t 的实验数据集。每个数据集具有不同的 p[2] 值和/或不同的初始条件。p[1] 是我们要估计的参数。我可以通过在迭代不同初始条件和 p[2] 值的 for 循环中求解微分方程，将解存储在数组中并针对实验数据创建损失函数来做到这一点。我想知道是否有一种方法可以用更少的代码行来做到这一点，例如，DiffEqBase.problem_new_parameters使用设置每个数据集的条件。在将模型拟合到实验数据时，这是一种非常常见的情况，但我在文档中找不到一个很好的例子。

先感谢您，

最好的祝福

编辑 1

上述情况只是一个简化的例子。为了使它成为一个实际案例，我们可以从以下代码创建一些假的实验数据：

sol1、sol2 和 sol3 现在是我们的实验数据，每个数据集使用初始条件和 p[2] 的不同组合（代表一些实验变量（例如温度、流量...）

目标是使用实验数据 sol1、sol2 和 sol3 估计 p[1] 的值，让DiffEqBase.problem_new_parameters或另一种替代方法迭代实验条件。

我正在尝试求解泊松方程 div v = -curl w 以模拟 3 维空间中网格的不可压缩流动。

我做了什么：

我找到了ODE 示例以及如何求解Poisson Equation。

我的问题/问题是：

• 如何在DifferentialEquation.jl的帮助下将-curl w定义为Julia中的微分方程？如何指定 3 维叉积（curl）？

我是 Julia 的新手，我想解决这个系统：

其中 k1 和 k2 是常数参数。然而，当 y,0 时 I=0，否则为 Ky，其中 k 是一个常数值。

我按照关于 ODE 的教程进行操作。问题是，如何在DifferentialEquations.jl 中求解这个分段微分方程？

我正在尝试解决一个简单的 Lotka Volterra 模型

这将返回错误：

错误：加载错误：不精确错误（）

我添加了 Vega 包并尝试重新运行一些 DiffEq 代码，现在得到以下

DiffEq 中有很多子包无法预编译。我已经删除了 Vega 和 DiffEq 并重新安装了 DiffEq 但我仍然有同样的错误。

我目前正在运行 Julia 0.7.0。

谢谢。