寻找类似CVXPY的Python常微分方程（ODE）建模工具

以下几个工具符合你对“声明式建模+自动求解ODE”的需求，尤其适配化学反应类系统的建模：

• Pyomo.DAE
  作为Pyomo优化框架的微分代数方程扩展模块，支持用接近数学表达式的语法声明ODE模型。对于化学反应A + B → C对应的du/dt = sigma * a * b，你可以直接定义状态变量、参数和微分约束，无需手动处理时间离散化细节，它会自动将连续模型转换为可求解的离散形式，底层可调用Scipy、IPOPT等求解器完成数值计算，还能方便结合优化需求。

  简单示例代码：

  from pyomo.environ import ConcreteModel, Var, Param
  from pyomo.dae import ContinuousSet, DerivativeVar
  
  model = ConcreteModel()
  model.t = ContinuousSet(bounds=(0, 10))  # 定义时间范围
  model.a = Var(model.t, initialize=1.0)  # 组分A初始浓度
  model.b = Var(model.t, initialize=1.0)
  model.sigma = Param(initialize=-1)  # 对应A的消耗计量系数
  model.da_dt = DerivativeVar(model.a, wrt=model.t)
  
  # 定义微分方程约束
  def ode_rule(m, t):
      return m.da_dt[t] == m.sigma * m.a[t] * m.b[t]
  model.ode_constraint = Constraint(model.t, rule=ode_rule)
  

• CasADi
  专注于动态系统建模与数值计算的工具，支持符号式声明ODE模型。你可以直接用符号变量定义反应速率、状态变量的微分关系，CasADi会自动完成符号推导与数值求解的衔接，支持Runge-Kutta等多种时间积分方法，对复杂化学反应系统的建模和求解效率较高，还能无缝结合优化模块。

• PyModelica
  这是Python与OpenModelica的桥接工具，允许你在Python环境中用类Modelica的声明式语法定义ODE模型，直接调用OpenModelica的求解器进行数值计算，完全匹配你想要“Python版OpenModelica”的需求，对于有明确化学计量关系的系统建模非常直观。

内容的提问来源于stack exchange，提问作者Michael Baudin