TuringLang/Turing.jl

해결하는 문제

Turing.jl은 확률 프로그래밍 언어를 사용하여 베이지안 추론을 수행하는 방법을 제공합니다. 사용자는 복잡한 확률 모델을 정의한 다음, 관측된 데이터를 기반으로 해당 모델의 매개변수를 추정하기 위해 다양한 추론 알고리즘을 적용할 수 있습니다.

작동 방식

사용자는 사전 분포와 가능도를 지정하는 @model 매크로를 사용하여 모델을 정의합니다. 라이브러리는 이후 더 넓은 Julia 생태계와 통합되어 추론을 수행합니다. 모델 사양 정의에는 DynamicPPL.jl을 사용하며, 샘플링 및 최적화를 위해 다양한 백엔드에 연결됩니다:

• Markov Chain Monte Carlo (MCMC): AbstractMCMC.jl 추상 인터페이스와 AdvancedHMC.jl, AdvancedMH.jl과 같은 특정 샘플러를 사용합니다.
• Variational Inference: AdvancedVI.jl을 통해 처리됩니다.
• Maximum Likelihood/MAP Estimation: SciML의 Optimization.jl 인터페이스를 활용합니다.
• Automatic Differentiation: DifferentiationInterface.jl을 통해 ForwardDiff.jl 및 Mooncake.jl과 같은 백엔드를 지원합니다.

대상 사용자

베이지안 모델링 및 통계 추론을 위해 유연하고 범용적인 확률 프로그래밍 언어가 필요한 연구자 및 데이터 과학자.

주요 특징

• 통합 인터페이스: TuringLang 생태계의 도구 세트를 위한 주요 진입점 역할을 합니다.
• 유연한 모델 사양: 직관적인 모델 정의를 위해 @model 매크로를 사용합니다。
• 다양한 추론 알고리즘: MCMC, 변분 추론 및 최적화 기반 추정을 지원합니다。
• Julia 네이티브: 고성능 수치 계산을 위해 Julia 언어를 기반으로 구축되었습니다.