extropic-ai/thrml

解決的問題

THRML 的設計目標是讓機率圖模型（PGM）的建立與採樣更加高效。它特別針對在稀疏且異質圖上實現高效率採樣的困難，為研究人員提供橋樑，使其能原型化最終可在專用節能硬體上運行的模型。

工作原理

THRML 作為 JAX 庫建構，將基於因子的互動編譯為緊湊的全域狀態表示。此方法可最大限度減少 Python 迴圈，並利用 JAX 的陣列層級平行性，加速 GPU 上的區塊吉布斯採樣與基於能量的模型（EBM）。

適用對象

適用於從事機率圖模型、基於能量的模型，以及探索硬體加速採樣的研究人員與開發者。

主要亮點

• 區塊吉布斯採樣：針對機率圖模型進行優化。
• JAX 驅動：利用 GPU 加速與陣列層級平行性。
• 彈性節點狀態：支援任意 PyTree 節點狀態與異質圖模型。
• 硬體就緒：提供軟體環境，用於為未來來自 Extropic 的節能採樣硬體進行原型設計。