python-adaptive/adaptive

해결하는 문제

적응형 기법은 밀도 높은 격자 샘플링을 피함으로써 수학적 함수 평가의 계산 비용을 줄입니다. 파라미터 공간의 모든 점을 계산하는 대신, 다음에 가장 정보가 많은 점을 지능적으로 선택하여 평가합니다. 특히 각 평가에 50ms 이상 소요되는 고비용 계산에 매우 유용합니다.

작동 방식

이 라이브러리는 '학습자(learners)'를 사용하여 정의된 파라미터 공간 내에서 가장 흥미로운 위치에 함수를 샘플링합니다. 평가되는 점이 많아질수록 학습자는 함수에 대한 이해를 정교화하여 이후 샘플링 위치를 최적화합니다. concurrent.futures, mpi4py, loky, ipyparallel, distributed 등의 백엔드를 통해 다중 코어 또는 머신에서 병렬 실행을 지원합니다.

대상 사용자

수치 해석이나 함수 최적화를 수행하는 연구자 및 개발자에게 적합합니다. 파라미터 공간의 무의미한 영역에 자원을 낭비하지 않고 다차원 함수를 효율적으로 매핑할 필요가 있는 분들입니다.

주요 기능

• 지능적인 적응형 샘플링: 시간과 자원을 절약하기 위해 관심 있는 영역에 평가를 집중합니다.
• 병렬 실행: 계산 클러스터에서 평가를 확장하여 더 빠른 결과를 얻을 수 있습니다.
• 실시간 시각화: Jupyter 노트북에서 실시간 플롯 및 정보 위젯을 제공합니다.
• 다차원 지원: 1차원 또는 다차원의 스칼라 또는 벡터 출력 함수를 처리할 수 있습니다.
• 유연한 내보내기: 학습된 데이터를 NumPy 배열 또는 Pandas DataFrames로 내보낼 수 있습니다.
• 사용자 정의 가능: 다양한 손실 함수를 지원하며, 1D, 2D, ND, Average, Integrator, Balancing 학습자 유형을 제공합니다.