Startseite Projekte SPH_Taichi
SPH_Taichi
Python

SPH_Taichi

Eine leistungsstarke Implementierung von SPH in Taichi.

von erizmr · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
gpuphysics-simulationsimulationMITPython
Auf GitHub ansehen
In einfachen Worten

Simulieren Sie Fluiddynamik und Partikelinteraktionen in Echtzeit mit einer Hochleistungs-Physik-Engine.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
SPH_Taichi — GitHub preview card
📈 Sternhistorie
320319
2026-07-202026-08-31
📈 SPH_Taichi verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Eine leistungsstarke Implementierung von SPH in Taichi.

SPH_Taichi hat 319 Sterne auf GitHub. Es wurde 55-mal geforkt. SPH_Taichi ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. SPH_Taichi ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: gpu, physics-simulation, simulation.

Frequently asked questions

Was ist SPH_Taichi?

Eine leistungsstarke Implementierung von SPH in Taichi.

Ist SPH_Taichi Open Source?

SPH_Taichi ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist SPH_Taichi kostenlos?

Ja. SPH_Taichi ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht SPH_Taichi?

SPH_Taichi ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist SPH_Taichi geschrieben?

SPH_Taichi ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — SPH_Taichi

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=erizmr-sph-taichi)](https://olud.ai/project/erizmr-sph-taichi.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.