TuringLang/AdvancedHMC.jl

해결하는 문제

AdvancedHMC.jl은 복잡한 확률 분포에서 마르코프 체인 몬테카를로(MCMC) 샘플링을 견고하고 효율적으로 수행할 수 있는 방법을 제공합니다. 특히 고차원 공간에서 단순한 무작위 보행 메트로폴리스-하스팅스 알고리즘보다 더 효율적인 고급 하미ル턴 몬테카를로(HMC) 알고리즘을 구현합니다.

작동 방식

이 라이브러리는 타겟 분포를 더 효과적으로 탐색할 수 있도록 궤적을 시뮬레이션하기 위해 하미르톤 역학을 구현합니다. 터링.jl과 같은 확률적 프로그래밍 언어의 모듈식 백엔드로 설계되었지만, 독립적으로 사용할 수도 있습니다. 타겟 분포를 정의하기 위해 LogDensityProblems.jl과 함께 사용하고, HMC에 필요한 기울기를 계산하기 위해 LogDensityProblemsAD.jl을 통해 자동 미분(AD)을 통합합니다.

대상 사용자

베이지안 추론을 위해 고성능 MCMC 샘플링이 필요한 연구자 및 데이터 과학자, 특히 Julia 언어와 확률적 프로그래밍 생태계를 사용하는 사람들에게 적합합니다.

주요 특징

• 최첨단 HMC 변종: 노-유-턴 샘플러(NUTS)의 구현 포함.
• 모듈식 설계: 메트릭, 적응, 하미르톤 궤적 시뮬레이션을 사용자가 맞춤 설정 가능.
• 광범위한 통합: AbstractMCMC.jl 및 LogDensityProblemsAD.jl을 통해 다양한 AD 백엔드와 Julia MCMC 생태계와 원활하게 연동.