Julia, langage de programmation, vise à résoudre les problèmes de performance de Python
La lenteur de Python en calcul scientifique a créé un problème de double langage pour les chercheurs. Julia vise à offrir une solution unifiée.
Le domaine du calcul scientifique est confronté à un « problème de double langage » : les chercheurs créent des prototypes en Python, facile à utiliser, mais doivent réécrire les sections critiques en termes de performance dans des langages plus rapides et plus complexes comme C++ ou Rust. Cette division ralentit le développement et augmente la complexité.
En 2012, un groupe d'informaticiens a fondé Julia, un langage de programmation conçu pour combiner la facilité d'utilisation de Python avec la vitesse de C++. Les fondateurs ont déclaré que leur objectif était de créer un langage open-source, simple à apprendre, tout en offrant des performances suffisantes pour les tâches exigeantes.
Le développement de Julia répond à un défi mis en évidence pour la première fois par Kenneth Iverson dans les années 1970, où une notation efficace pouvait combler le fossé entre la pensée et la programmation. Bien que le langage APL d'Iverson n'ait pas obtenu une adoption généralisée, il a démontré qu'un seul langage pouvait transmettre efficacement des idées complexes sans nécessiter de langages de prototypage et de performance séparés.
Alors que les limites de performance de Python deviennent de plus en plus évidentes en calcul scientifique, Julia présente une solution potentielle. Il cherche à offrir un outil unique et cohérent qui élimine la nécessité pour les utilisateurs de choisir entre la facilité d'utilisation et la vitesse, accélérant ainsi considérablement la recherche et le développement scientifiques.