Python网络仿真库
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Cortix 是 University of Massachusetts Lowell 相关团队发布的开源 Python 库，定位于“network dynamics simulation”。它的核心价值是把一组计算模块耦合成网络仿真，并为模块之间的数据通信提供并行执行环境。只要计算模型能映射为网络结构，理论上都可作为 Cortix 的开发对象。
从功能看，Cortix 提供用于模块开发和耦合的父类，以及构建应用和模块的支持类。并行能力是其重点：在异构或 HPC 计算场景中使用 MPI/mpi4py，在多核机器上使用 Python multiprocessing。它不是通用 Web 开发工具，而更接近科研计算框架，适合多物理、多模块、网络化计算模型的编排与仿真。
正文明确说明 Cortix 是 open-source Python library，并提供 GitHub repo、Issue Tracker 与 PyPI install，说明用户可以本地安装、二次开发并在自有机器或 HPC 集群运行。生态入口包括在线文档、PDF 文档、Binder 运行示例、NBViewer 查看示例、Examples repo，以及 Idaho National Laboratory HPC、UMass Green HPC Cluster 等资源链接。文档入口较完整，但抓取内容未展示 API 细节、教程深度或维护频率。
正文没有商业定价、付费计划或企业支持说明。基于其开源属性，可判断获取和使用门槛较低，但服务支持主要可能依赖 GitHub issue tracker 和文档，缺少 SLA、客服或商业咨询信息。版本标注为 0.1.0，也提示在生产级稳定性上需要用户自行评估。
优点是开源、Python 生态友好、面向 MPI 和多核并行，适合科研人员、HPC 工程师以及需要将复杂计算模块耦合为网络仿真的团队。局限在于应用场景较窄，对 Python、MPI 与 HPC 环境有一定要求；普通开发者工具链、Web/API 服务或低代码仿真场景并非其重点。
中国访问情况正文未提供，GitHub、PyPI、Binder、NBViewer 等相关资源在国内网络下可能体验不稳定，实际使用需测试；支付信息也未提及。若需要替代，可按场景考虑 SimPy、Mesa、NetworkX 结合 Dask/Ray，或直接基于 mpi4py 自研并行仿真框架。
本测评基于公开资料整理,不构成购买建议,请以 cortix.org 官网实际信息为准。
开源科学计算库，适合仿真研发参考。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。