你应该考虑试试 Julia。让我解释一下你现在感兴趣的设计领域正在发生的事情。全面披露我是 JuliaDiffEq 的首席开发人员。

JuliaDiffEq 和DifferentialEquations.jl有一个大型特征集，专门用于有效地集成计算困难的微分方程。它具有使用日益流行的高级语言的简单高级界面，因此入门门槛低。它可以通过Juno或VSCode等开发工具使用。Julia 编程语言具有您在低级语言中所期望的所有变异功能，以优化您的派生函数，使其不分配且快速以您无法使用更高级别的“矢量化代码”的方式。它编译您的所有代码（以及执行过程间优化和内联之类的操作），以使您获得标准（类型稳定）Julia 函数所期望的速度。

关键是堆栈非常深。您提到您想要访问 ODEPACK，这将使您可以访问许多 ODE 求解器和许多 DAE 求解器，其中包括 Netlib 和 ODEPACK 项目，如DASKR、LSODA和Sundial。例如，像Sundials.jl这样的组件是直接自动生成的直接连接到底层 C++ 库的接口，因此您可以直接将任何 IDA C++ 代码转换为 Julia 代码并使用它。您可以使用它直接调用日晷的灵敏度分析和预处理器功能，或通过更高级别的接口使用它们。我们的生态系统包括高级功能，例如敏感性分析和参数估计。

那就是如果你想直接写微分方程。上面的步骤是对特征进行建模。在 JuliaDiffEq 组件之上构建了一些建模库。我们正在创建一个小型化学反应网络建模设置

但这可能不是您想要的。你想要的是像 Modelica 这样的东西，它被创建为Modia.jl。可以在此视频中找到概述。它建立在 Sundials 的 IDA 之上，并自动执行索引缩减等操作。事实上，Modelica 的开发人员正在开发它作为下一步的发展方向。它还没有发布，因为我们正在清理一些东西（比如将 KLU 稀疏线性求解器编译到我们自动生成的日晷二进制文件中，因为这些是该应用程序最有效的选择），但 IMO Hilding 的“新 Modelica”已经看起来太好了，所以我希望它可以尽快发布。

此外，Julia 是一种可以编译的语言。这还处于非常早期的阶段，但是像static-julia和PackageCompiler.jl这样的提前编译 (AOT) 工具显示了这一点。

最后，它完全免费，拥有一个活跃的社区以及聊天室（还有一个专门用于微分方程的社区）。团队很大：我们团队有 30 人，有10 名导师负责 6 个 Google Summer of Code 项目，这些项目专门与 Julia 中的微分方程相关。因此，虽然年轻，但与许多（大多数？）其他开源微分方程生态系统相比，这表明开发人员的支持和活动要多得多。任何缺少的东西都可以用 Julia 编写（并且速度很快等）。我认为这符合您的观点，但如果不是，您可以随时提出功能请求。

我们决定使用 C++，因为它

• 免费
• 很快
• 有一个免费可用且得到广泛支持的数值积分库（boost/odeint）
• 易于与我们更大的仿真驱动程序/GUI 集成
• 广为人知
• 使生物科学家可以轻松使用独立模拟（因为他们可以通过 Rcpp 将 RStudio 用作交互式模拟环境）

除了 C++，Python 似乎是可能满足这些标准的另一个选择。

C#被拒绝了，因为没有合适的数值积分库，也没有交互式仿真环境。

我正在使用 R 脚本将 CSL 代码转换为 C++ 以解析 CSL 代码。事实证明，这非常有效。通过 Rcpp 运行模型也被证明是简单的。我已经在 Github 上发布了这个项目

https://github.com/woodwards/csl2cpp