QuantClimate/GPJax

해결하는 문제

GPJax는 가우시안 프로세스 (GP) 모델을 구현하기 위한 저수준 인터페이스를 제공합니다. GP 연구에서 사용되는 수학적 표기법과 코드가 밀접하게 대응되는 유연한 프레임워크에 대한 요구를 해결하여, 연구자들이 모델을 쉽게 확장하고 사용자 정의할 수 있도록 합니다.

작동 방식

Jax 기반으로 구축된 이 라이브러리는 광범위한 GP 방법과 인터페이스를 구현합니다. 다양한 회귀 및 분류 작업을 지원하며, 더 큰 데이터셋을 처리하기 위한 '희소 가우시안 프로세스 회귀 (Sparse Gaussian Process Regression)' 및 '확률적 변분 추론 (Stochastic Variational Inference)'과 같은 고급 가속화 기술을 지원합니다. 또한 Numpyro와 통합하여 공동 추론을 수행할 수 있습니다.

대상 사용자

GP 모델을 확장하는 데 있어 최대한의 유연성이 필요하며, 기술의 수학적 기초와 일치하는 프레임워크를 원하는 연구자와 개발자를 위해 설계되었습니다.

주요 특징

• 광범위한 방법 지원: 회귀, 분류, 카운트 데이터 회귀 및 다중 출력 GP 포함.
• 확장성: 희소 GP, 상태 공간 (Markovian) GP 및 가속화를 위한 자연 경사도 (natural gradients) 기능 제공.
• 사용자 정의 가능성: 새로운 커널과 우도 (likelihoods)를 생성하기 위한 전용 가이드를 제공하며, 딥 커널 학습 (Deep Kernel Learning)을 지원.
• 응용 모델링: 벡터장, 해류 모델링 및 공간 모델링을 위한 전문적인 구현 포함.