QuantClimate/GPJax

解决的问题

GPJax 提供了一个用于实现高斯过程 (GP) 模型的底层接口。它解决了对灵活框架的需求，使代码能紧密对应 GP 研究中使用的数学符号，让研究人员能够轻松扩展和自定义模型。

运作方式

该函数库建立在 Jax 之上，实现了广泛的 GP 方法和接口。它支持各种回归和分类任务，以及诸如稀疏高斯过程回归 (Sparse Gaussian Process Regression) 和随机变分推断 (Stochastic Variational Inference) 等先进加速技术，以处理更大的数据集。它还与 Numpyro 集成以进行联合推断。

目标对象

它主要为需要最大灵活性来扩展 GP 模型，并希望框架与该技术数学基础保持一致的研究人员和开发者而设计。

特色亮点

• 广泛的方法支持：包含回归、分类、计数数据回归和多输出 GP。
• 可扩展性：具备稀疏 GP、状态空间 (Markovian) GP 以及用于加速的自然梯度。
• 可自定义性：提供专门的指南用于创建新的核函数 (kernels) 和似然函数 (likelihoods)，并支持深度核学习 (Deep Kernel Learning)。
• 应用建模：包含针对向量场、洋流建模和空间建模的专业实现。