ReactiveBayes/RxInfer.jl

Julia package for automated Bayesian inference on a factor graph with reactive message passing

RxInfer.jl – Julia 用のリアクティブベイズ推論

何であるか – RxInfer.jl は、確率的モデルを因子グラフに変換し、リアクティブなメッセージ伝搬アルゴリズムを実行することで、自動ベイズ推論を実行する Julia パッケージです。ReactiveMP.jl 推論エンジンと GraphPPL.jl モデル定義 DSL の上に構築されています。

なぜ重要か – 共役な事前分布と尤度のペアを活用することで、RxInfer は解析的に正確な事後分布を計算でき、多くのモデルにおいて、Turing.jl の HMC などの汎用サンプラーと比較して 高速で、メモリ効率が高く、より正確な結果 を得られます。非共役推論もサポートしており、大規模なリアルタイムワークロードにもスケーラブルです。

主な特徴

因子グラフコンパイル：@model マクロ（GraphPPL 由来）により、通常の Julia コードが因子グラフ表現に変換されます。
リアクティブなメッセージ伝搬：新しいデータに自動的に反応する局所更新により、リアルタイムまたはストリーミング環境での推論が可能になります。
共役に配慮した最適化：可能な限り解析的更新が使用され、推論速度が劇的に向上します。
ハイブリッド推論：非共役部分は変分/メッセージ伝搬法で処理され、サポートされるモデルクラスは継続的に拡張されています。
ベンチマークと精度：リポジトリには、Turing.jl と比較して優れた速度/精度を示す線形ガウス状態空間モデルのベンチマークスクリプトが含まれています。
サーバーモード：RxInferServer はモデルを RESTful API として公開でき、公式の Python、TypeScript、Julia SDK でリモート推論が可能です。
テレメトリとオプションのセッション共有：匿名の使用メトリクスは開発を支援し、共有機能はオン/オフ切り替え可能。

一般的な使用例

リアルタイムのパラメータ推定（例：センサ融合、制御システム）。
状態空間モデルや自己回帰モデルを用いた時系列予測。
ハイドンマルコフモデル、ベイズ線形回帰、および正確な更新が望ましい他の共役モデル。
RxInferServer を通じてベイズモデルをマイクロサービスとしてデプロイ。

インストール

] add RxInfer   # Julia パッケージマネージャー

インストールを確認するには ] test RxInfer を実行してください。

クイック例 – 偏りのあるコインの推定

using RxInfer, Random

# シミュレートされたデータ
n = 500; p = 0.75
y = rand(Bernoulli(p), n)

# モデル定義（GraphPPL 構文）
@model function coin_model(y, a, b)
    θ ~ Beta(a, b)          # 事前分布
    y .~ Bernoulli(θ)       # 各観測値の尤度
end

# 推論実行（静的データ）
result = infer(
    model = coin_model(a = 2.0, b = 7.0),
    data  = (y = y, )
)

println(result)   # θ の事後分布

infer 呼び出しは自動的に因子グラフを構築し、Beta-Bernoulli の共役性を認識して、正確な事後分布 Beta 分布を返します。

エコシステムと関連パッケージ

ReactiveMP.jl – コアのメッセージ伝搬エンジン。
GraphPPL.jl – モデル仕様の DSL。
ExponentialFamily.jl – 推論アルゴリズムで使用される指数族分布の定義。
Rocket.jl – RxInfer の「リアクティブ」機能を支えるリアクティブ拡張。

ドキュメントと学習リソース

公式ドキュメント: https://docs.rxinfer.com (安定版および開発版)。
例リポジトリ: https://examples.rxinfer.com (HMM、時変AR、販売予測など高度なモデルをカバー)。
論文: JOSS 論文、博士論文、および README に記載された複数の arXiv/DOI 参照。
コミュニティ: 議論、Q&A、公開ミーティング、NumFocus 所属。