python-adaptive/adaptive

何を解決するか

適応型手法は、密集したグリッドサンプリングを避けることで、数学的関数の評価にかかる計算コストを削減します。パラメータ空間内のすべての点を計算するのではなく、次に最も情報を得られる点を知的に選択することで、特に1回の評価に50ms以上かかる高コストな計算において非常に有効です。

動作方法

このライブラリは「学習者（learners）」を使用して、定義されたパラメータ空間内の最も興味深い位置に関数をサンプリングします。評価される点が増えるにつれて、学習者は関数の理解を refining し、その後のサンプリング位置を最適化します。concurrent.futures、mpi4py、loky、ipyparallel、distributed などのバックエンドを介して、複数のコアやマシンで並列実行をサポートしています。

対象ユーザー

数値解析や関数最適化を実施する研究者や開発者向けです。パラメータ空間の無関係な領域にリソースを無駄に使わずに、多次元関数を効率的にマッピングする必要がある方々に最適です。

特徴

• 知的な適応型サンプリング: 時間とリソースを節約するため、関心のある領域に評価を集中します。
• 並列実行: 計算クラスタ上で評価をスケーリングし、より迅速な結果を得られます。
• リアルタイム可視化: Jupyterノートブックでリアルタイムのプロットと情報ウィジェットを提供します。
• 多次元対応: 1次元または複数次元のスカラー出力またはベクトル出力関数を扱えます。
• 柔軟なエクスポート: 学習済みデータをNumPy配列またはPandas DataFramesとしてエクスポート可能です。
• カスタマイズ可能: 複数の損失関数をサポートし、1D、2D、ND、Average、Integrator、Balancing などのさまざまな学習者タイプを提供します。