python-adaptive/adaptive

解決的問題

自適應方法透過避免密集的網格採樣，降低數學函數評估的計算成本。它不會計算參數空間中的每一個點，而是智慧地選擇下一個最具資訊量的點進行採樣，這在每次評估耗時 50 毫秒或更長的高成本計算中尤其有用。

工作原理

該庫使用「學習者」在定義的參數空間內最有趣的區域對函數進行採樣。隨著評估點的增加，學習者會不斷優化對函數的理解，從而優化後續採樣位置。它支援透過 concurrent.futures、mpi4py、loky、ipyparallel 和 distributed 等後端，在多個核心或機器上進行平行執行。

適用對象

專為需要高效映射多維函數，但又不希望在參數空間中無關區域浪費資源的研究人員與開發者設計，適用於數值分析或函數最佳化任務。

特色亮點

• 智慧自適應採樣：將評估集中在關鍵區域，節省時間與資源。
• 平行執行：可在計算叢集上擴展評估，加快結果產生速度。
• 即時可視化：為 Jupyter Notebook 提供即時繪圖與資訊小工具。
• 多維支援：支援一維或多維的標量或向量輸出函數。
• 彈性匯出：學習到的資料可匯出為 NumPy 陣列或 Pandas DataFrame。
• 可客製化：支援多種損失函數，並提供多種學習者類型（1D、2D、ND、Average、Integrator 和 Balancing 學習者）。