Stochastyczne równania różniczkowe od lat odgrywają kluczową rolę w zastosowaniach. Ich istotne znaczenie można dostrzec w problemach matematyki finansowej, takich jak wycena opcji czy modelowanie rynku, oraz zjawisk przyrodniczych i przemian zachodzących w otaczającej nas rzeczywistości. Rozpatrywane równania, niejednokrotnie opisujące skomplikowane modele, zazwyczaj nie posiadają rozwiązań w postaci jawnej. Z tego względu potrzebujemy narzędzi, które jak najlepiej aproksymowałyby trajektorie nieznanych rozwiązań.
W trakcie prezentacji zostaną przedstawione podstawowe idee metod numerycznych aproksymacji rozwiązań stochastycznych równań różniczkowych oraz kluczowe trudności związane m.in. z koniecznością generowania wielu trajektorii, generowaniem niezależnych procesów Wienera czy też zagęszczaniem siatki. Niejednokrotnie właśnie te problemy są motywacją do implementacji metod numerycznych z wykorzystaniem procesorów graficznych.