SciML/SciMLBenchmarks.jl

해결하는 문제

SciMLBenchmarks.jl은 과학적 기계학습(SciML) 도구와 방정식 해법기의 성능을 평가하기 위한 표준화된 오픈소스 프레임워크를 제공합니다. 다양한 언어와 구현 방식 간의 수치적 방법의 속도, 강건성, 정확성을 공정하고 재현 가능한 방식으로 비교할 수 있는 필요성을 충족합니다.

작동 방식

이 프로젝트는 노트북과 Weave.jl 파일을 포함한 벤치마크 스위트의 컬렉션을 유지 관리하며, 다양한 문제에 대해 해법기를 테스트합니다. 효율성은 '작업-정밀도 다이어그램'을 사용하여 측정되며, 오차 허용 범위에 대한 시간을 플롯하여 특정 정밀도 수준에서 가장 효율적인 방법을 결정합니다. 벤치마크는 재현성을 보장하기 위해 표준화된 하드웨어(AMD EPYC 프로세서)에서 실행되며, 자동으로 PDF, HTML, 노트북 형식으로 생성됩니다.

대상 사용자

방정식 해법기, 파라미터 추정 방법, 또는 신경 연산자 간의 비교를 통해 특정 수학적 문제에 가장 적합한 도구를 선택해야 하는 계산 과학 및 과학을 위한 AI 분야의 연구자, 개발자, 실무자.

주요 특징

• 포괄적인 커버리지: 비강성/강성 ODE, SDE, DDE, 물리 기반 신경망(PINNs) 등 다양한 방법을 벤치마크.
• 과학을 위한 AI 통합: DeepONets 및 푸리에 신경 연산자와 같은 대체 모델의 비교 포함.
• 재현 가능한 인프라: 일관된 하드웨어 기준을 유지하기 위해 특정 CPU 및 GPU 구성의 자체 호스팅 GitHub Actions 러너 사용.
• 인터랙티브 탐색: 로컬에서 인터랙티브한 노트북을 생성하고 실행하여 벤치마크 결과를 검증하거나 확장할 수 있음.