最佳开源科学计算工具比较
开源科学计算涵盖数十个成熟项目，从 NumPy 和 SciPy 到 OpenFOAM 和 GROMACS，其中大多数由 NumFOCUS 和 Linux 基金会等非营利组织运营。在其中进行选择意味着根据您的工作负载（数组数学、分子动力学 或 HDF5 管道）定制工具，而不是寻找单一的获胜者。本指南按域、许可证和权衡比较了最佳选择。
要点
- 将工具与工作负载相匹配，而不是炒作。 数组数学、模拟引擎和数据管道在开源科学计算中提供了不同的一流选项；单一的“最佳”列表具有误导性。
- 治理预示着长寿。 在 NumFOCUS、Linux 基金会或 Apache/学院支持的保护伞下运行的项目往往比单个实验室的努力更长久。
- 许可证的选择对于实验室很重要。 GPL 系列许可证（GROMACS、OpenFOAM）可能会使专有集成变得复杂； BSD/MIT/Apache 工具（NumPy、SciPy、pandas）很少这样做。
- 互操作性是真正的护城河。 HDF5、NetCDF 和 Python 的数组 API 允许您混合工具而不是绑定在单一技术栈上。
- 为“粘合剂”而非仅仅为求解器预留预算。 文件格式、构建系统和再现性工具占用了研究软件工程师的大部分时间。
如何比较开源科学计算工具
比较开源科学计算软件的标准与一般开发工具的标准不同。代码编辑器的流行并不能告诉你五年后分子动力学引擎是否仍然可以编译。对于研究小组来说，有五个最重要的标准。
数值准确性和验证。 工具的质量取决于其测试套件和发布的基准。寻找运行参考问题的持续集成，而不仅仅是单元测试。例如，GROMACS 提供针对已知热力学量的验证； LAMMPS 发布了深入的回归测试。
治理和资助模型。 由非营利组织或基金会支持的项目的员工、发布节奏和巴士系数 (bus factor)均大于 1。 NumFOCUS 为 NumPy、SciPy、pandas、Jupyter 和 Matplotlib 等提供财务赞助。 Linux 基金会托管 OpenSSF 和各种科学图书馆等项目。单一维护者项目可能很棒，但存在继承风险。
许可证和集成限制。 宽松许可证（BSD、MIT、Apache 2.0）允许集成到专有或混合管道中。如果您分发链接软件，Copyleft 许可证（GPL、LGPL）需要小心。对于内部实验室使用来说，这很少有影响，但对于分拆和行业合作伙伴关系来说很重要。
性能模型。 使用向量化 NumPy 解释的 Python 对于数组操作来说很快，但对于紧密的标量循环来说很慢；编译的内核、GPU 后端或特定领域的引擎在这方面获胜。了解您的瓶颈是内存带宽、浮点吞吐量还是 I/O。
Related: — Project-based data-science paths with a guided terminal and real datasets.
生态系统和文件格式。 读写标准格式（HDF5、NetCDF、Zarr、PDB、XYZ）的工具组成管道。具有定制格式的工具会产生锁定。
比较表：按领域划分的代表性工具
| 领域 | 代表性工具 | 典型许可证 | 治理 | 最适合 |
|---|---|---|---|---|
| 数组和数值数学 | NumPy、SciPy、JAX | BSD | NumFOCUS / Google 主导 | 通用计算、ML 相关工作 |
| 数据分析和框架 | pandas, Polars, xarray | BSD / MIT / Apache | NumFOCUS / 社区 | 表格和标记的 N 维数据 |
| 分子动力学 | GROMACS、LAMMPS、OpenMM | GPL / LGPL / 麻省理工学院 | 学术联盟 | 生物分子与材料模拟 |
| CFD 和连续体 | OpenFOAM、SU2 | GPL/LGPL | OpenCFD / 斯坦福 | 流体和空气动力学求解器 |
| 量子化学 | Psi4、PySCF、Quantum ESPRESSO | LGPL/BSD/GPL | 学术 | 电子结构 |
| 可视化 | Matplotlib、ParaView、VisIt | BSD / 类 BSD | NumFOCUS / 套件 / LLNL | 论文插图及大数据 |
| 再现性 | Jupyter、conda、Snakemake、Nextflow | BSD / 麻省理工学院 | NumFOCUS / 社区 | 管道捕获和重新运行 |
数组数学和数据分析：Python 核心
NumPy 仍然是几乎所有 Python 科学计算的基础。它的 ndarray 类型、流规则和 C 支持的循环支持 SciPy、pandas、scikit-learn 和大多数域库。该项目由 NumFOCUS 提供财务资助，并拥有一个记录在案的治理模型和指导委员会。
SciPy 通过针对线性代数、优化、积分、插值、信号处理和统计进行优化的例程扩展了 NumPy。对于实验室小组来说，SciPy 加上 NumPy 涵盖了大量日常分析，而无需编写任何 C 语言。
Worth a look: — One subscription for university-backed Python and data-science certificates.
JAX 针对不同的利基市场：自动微分、GPU/TPU 加速以及通过 XLA 进行即时编译。它适用于可微分模拟和机器学习相关研究，但其功能风格和重新编译成本可能会让来自 NumPy 的用户感到惊讶。
pandas 处理带标签的表格数据； Polars 提供了一种基于 Rust 的多线程替代方案，具有惰性求值功能。 xarray 添加了 N 维标记数组，这通常是存储在 NetCDF 或 Zarr 中的气候、海洋和图像数据的正确抽象。
要更深入地了解这些库，Linux 基金会科学计算信息集和 NumFOCUS 赞助项目列表是有用的起点。
模拟引擎：分子动力学、CFD 和量子化学
在开源科学计算中，模拟引擎是“最佳”选择真正取决于具体领域的领域。擅长生物分子溶剂化的工具可能不适用于金属合金。
GROMACS 是一款针对生物分子系统优化的 GPL 许可的分子动力学引擎，在 CPU 和 GPU 上具有强大的性能。它读取和写入标准轨迹格式，并与 MDAnalysis 等分析工具集成。
LAMMPS 是来自桑迪亚国家实验室的 GPL 许可的经典 MD 代码，专为具有高度模块化潜在框架的材料科学而设计。其对自定义力场的灵活性是一个主要吸引力。
OpenMM 是 MIT 许可的 MD 工具包，具有 Python API，使其对于方法开发和集成到自定义工作流程中具有吸引力。
OpenFOAM 是一个 GPL 许可的有限体积 CFD 工具包，广泛应用于工程和学术流体动力学。其基于字典的案例设置呈现出学习曲线，但奖励可重复性。
Psi4 和 PySCF 是开源量子化学软件包； Psi4 在 LGPL 下获得许可，PySCF 在 BSD 下获得许可。两者都可以通过 Python 编写脚本，减少方法开发的障碍。
Quantum ESPRESSO 是一款获得 GPL 许可的用于电子结构和材料的平面波 DFT 套件。
一个实际的警告：这些引擎的好坏取决于它们的力场和收敛设置。复制已发布的结果通常需要相同的势函数、截止值和积分器，而不仅仅是相同的代码。
再现性和管道工具
可重复性工具通常意味着您可以捍卫的结果和无法捍卫的结果之间的差异。这就是开源科学计算超越原始数据的地方。
Jupyter 笔记本一起捕获代码、输出和叙述。它们非常适合探索，但不适合版本控制；将它们与 Jupytext 或 nbconvert 等工具配对可以缓解这个问题。
conda 和 mamba 处理二进制依赖关系，这很重要，因为科学包通常封装 C、C++ 或 Fortran 库。环境文件（environment.yml）使构建可以跨机器重现。
Snakemake 和 Nextflow 将管道表示为有向无环图，处理依赖关系、并行性和重新运行。 Snakemake 是 Python 风格的； Nextflow 使用基于 Groovy 的 DSL，在生物信息学中很常见。
容器（Docker、Apptainer/Singularity） 冻结整个软件堆栈。 Apptainer 广泛用于不欢迎 Docker 守护进程模型的 HPC 集群。
工作流程出处工具（如 prov 和 RO-Crate）捕获数据产品的谱系，期刊和资助者对此的需求越来越大。
诚实的权衡：每一层可重复性工具都会增加设置成本。实验室每周执行相同的分析会带来巨大的好处；一次性计算可能无法证明这一点是合理的。
如何决定：实际的选择过程
在选择开源科学计算工具时，可重复的决策过程胜过静态排名。五个步骤涵盖了大多数情况。
- 定义计算核心。 确定您的瓶颈是否是密集线性代数、稀疏求解器、粒子相互作用或 I/O。这立刻就缩小了范围。
- 检查治理和发布历史记录。 检查提交活动、发布节奏以及项目是否有基金会或机构总部。一个只有一名维护者且两年内没有发布的项目是有风险的。
- 检查许可证兼容性。 确认许可证适合您的分发计划，尤其是行业协作或分拆。
- 测试互操作性。 确认该工具可以读取和写入其他工具使用的格式：HDF5、NetCDF、Zarr、PDB 或简单 CSV。
- 针对实际问题建立原型。 在提交之前运行实际工作负载的小版本。项目自身文档中的基准只是一个起点，而不是一个结论。
对于构建长期基础设施的团体来说，NumFOCUS 项目目录和 Linux 基金会 项目列表值得添加书签。对于格式标准，HDF5 规范和 NetCDF 文档定义了大多数管道所依赖的交换层。
常见陷阱和诚实的警告
开源科学计算并不是免费的，否则的话会误导新手。
**维护是真正的工作。**升级 NumPy 或求解器的依赖项可能会破坏代码。固定版本有助于重现性，但会延迟安全修复。留出时间进行依赖性管理。
性能声明需要上下文。 基准测试中“快 10 倍”的工具可能会失去这种优势，具体取决于您的数据大小、硬件或 I/O 模式。始终以您的工作量为基准。
文档的质量差异很大。 NumPy 和 SciPy 等成熟项目拥有大量文档；较小的研究代码可能依赖于示例脚本和论文。
支持基于社区。 很少有供应商可以打电话。邮件列表、GitHub 问题和论坛是支持渠道，响应时间各不相同。
Copyleft 许可可能会让您感到惊讶。 GPL 工具适合内部研究，但在分发链接软件时需要小心。在基于许可证构建产品之前，请先阅读许可证。
放弃的情况时有发生。 即使资金充足的项目也可能会放缓。选择由基金会和多个机构贡献者支持的工具可以减少（但不能消除）这种风险。
资料来源和进一步阅读
- 开源 — 维基百科：开源是公开发布数字资源及其源代码或源文件的做法，以便使用、研究、修改和重新分发…
常见问题
最好的开源科学计算语言是什么？
Python 凭借 NumPy、SciPy 和庞大的生态系统占据主导地位，但它并不是唯一的选择。 C++ 和 Fortran 在性能关键型内核中仍然很常见，Julia 的目标是通过即时编译器进行数值计算，而 R 在统计和生物信息学方面实力雄厚。许多团队使用 Python 作为编排层并在底层使用编译语言。
NumPy 足以进行科学计算吗？
NumPy 涵盖了数组的数学知识，并构成了大多数 Python 科学的基础，但它本身还不够。 SciPy 增加了优化、集成和信号处理； pandas 或 xarray 处理标记数据；域引擎管理模拟。将 NumPy 视为基础，而不是整个堆栈。
开源科学工具和商业工具一样准确吗？
准确性取决于实施和验证，而不是许可。许多开源引擎（GROMACS、LAMMPS、OpenFOAM）都针对参考问题进行了验证，并在同行评审的工作中广泛引用。关键是检查项目的测试套件和针对您的特定问题类别发布的基准。
如何在 GROMACS、LAMMPS 和 OpenMM 之间进行选择？
GROMACS 在生物分子系统方面表现出色，具有较高的 CPU/GPU 性能。 LAMMPS 专为材料科学而设计，具有模块化潜在框架。 OpenMM 提供适合方法开发的 Python API。正确的选择取决于您的系统类型、力场以及是否需要修改引擎。
研究小组应该选择什么许可证？
对于内部研究，大多数许可证都可用。对于您计划分发或商业化的软件，BSD、MIT 和 Apache 2.0 等宽松许可证可以避免 Copyleft 义务。 GPL 和 LGPL 工具很棒，但如果链接或分发它们，则需要法律上的谨慎处理。
如何使我的科学计算具有可重复性？
使用 conda 或容器固定依赖版本，在 Snakemake 或 Nextflow 中捕获管道，并使用 RO-Crate 等工具记录来源。以 HDF5 或 NetCDF 等标准格式存储数据。可重复性是一种实践，而不是单一的工具。
Frequently asked questions
最好的开源科学计算语言是什么？
Python 凭借 NumPy、SciPy 和庞大的生态系统占据主导地位，但它并不是唯一的选择。 C++ 和 Fortran 在性能关键型内核中仍然很常见，Julia 的目标是通过即时编译器进行数值计算，而 R 在统计和生物信息学方面实力雄厚。许多团队使用 Python 作为编排层并在底层使用编译语言。
NumPy 足以进行科学计算吗？
NumPy 涵盖了数组的数学知识，并构成了大多数 Python 科学的基础，但它本身还不够。 SciPy 增加了优化、集成和信号处理； pandas 或 xarray 处理标记数据；域引擎管理模拟。将 NumPy 视为基础，而不是整个堆栈。
开源科学工具和商业工具一样准确吗？
准确性取决于实施和验证，而不是许可。许多开源引擎（GROMACS、LAMMPS、OpenFOAM）都针对参考问题进行了验证，并在同行评审的工作中广泛引用。关键是检查项目的测试套件和针对您的特定问题类别发布的基准。
如何在 GROMACS、LAMMPS 和 OpenMM 之间进行选择？
GROMACS 在生物分子系统方面表现出色，具有较高的 CPU/GPU 性能。 LAMMPS 专为材料科学而设计，具有模块化潜在框架。 OpenMM 提供适合方法开发的 Python API。正确的选择取决于您的系统类型、力场以及是否需要修改引擎。
研究小组应该选择什么许可证？
对于内部研究，大多数许可证都可用。对于您计划分发或商业化的软件，BSD、MIT 和 Apache 2.0 等宽松许可证可以避免 Copyleft 义务。 GPL 和 LGPL 工具很棒，但如果链接或分发它们，则需要法律保护。
如何使我的科学计算具有可重复性？
使用 conda 或容器固定依赖版本，在 Snakemake 或 Nextflow 中捕获管道，并使用 RO-Crate 等工具记录来源。以 HDF5 或 NetCDF 等标准格式存储数据。可重复性是一种实践，而不是单一的工具。
Learn Python by coding in your browser
Interactive Python and data-science courses you code directly in the browser