sbi-dev/sbi

해결하는 문제

sbi는 시뮬레이션 기반 추론(SBI)을 위해 설계되었으며, 사용자가 관측된 실제 데이터를 바탕으로 시뮬레이터 파라미터의 전체 사후 분포를 추정할 수 있게 합니다. 이는 실제 프로세스를 모델링하는 시뮬레이터는 있지만 우도 함수를 계산하기 어려워 전통적인 베이지안 추론이 힘든 경우에 특히 유용합니다.

작동 방식

이 패키지는 관측 데이터를 파라미터 분포로 매핑하는 방법을 학습하는 신경망 기반 추론 알고리즘 세트를 제공합니다. 두 가지 주요 방법론을 지원합니다.

• Amortized Methods: 사후 분포 추정기를 재학습 없이 여러 관측값에 재사용할 수 있습니다.
• Sequential Methods: 단일 관측값에 필요한 시뮬레이션 횟수를 최적화하는 데 중점을 둡니다.

Neural Posterior Estimation (NPE), Neural Likelihood Estimation (NLE), Neural Ratio Estimation (NRE)을 포함한 다양한 최신 알고리즘과 그 순차적 버전(SNPE, SNLE, SNRE)을 구현합니다.

대상 사용자

시뮬레이터를 사용하여 실제 프로세스를 모델링하고 베이지안 파라미터 추론 및 불확실성 정량화가 필요한 연구자 및 실무자를 대상으로 합니다.

주요 특징

• 유연한 인터페이스: 빠른 구현을 위한 고수준 인터페이스와 최대 제어를 위한 저수준 인터페이스를 모두 제공합니다.
• 다양한 알고리즘: 광범위한 최신 추론 알고리즘(NPE, NLE, NRE, NVI, MNLE)을 구현합니다.
• 통합 도구: 추정된 사후 분포의 정확도를 검증하기 위한 내장 검증 도구와 분석을 위한 플로팅 도구가 포함되어 있습니다.
• PyTorch 기반: PyTorch를 기반으로 구축되어 필요 시 GPU 가속을 활용할 수 있습니다.