optimas

التحسين على نطاق واسع، مدعوم من libEnsemble

استكشاف المستندات »

عرض الأمثلة · الدعم · مرجع API

Optimas هي مكتبة Python مصممة لتحقيق تحسينات قابلة للتطوير بشكل كبير، بدءًا من أجهزة الكمبيوتر المحمولة وحتى أجهزة الكمبيوتر العملاقة المتوازية بشكل كبير.

الميزات الرئيسية

• قابلية التوسع : من خلال الاستفادة من قوة libEnsemble، تم تصميم Optimas للتوسع بسلاسة من الكمبيوتر المحمول الخاص بك إلى مجموعات الحوسبة عالية الأداء.
• سهل الاستخدام : يعمل Optimas على تبسيط عملية إجراء عمليات فحص وتحسينات كبيرة للمعلمات المتوازية. حدد عدد التقييمات المتوازية وموارد الحوسبة التي سيتم تخصيصها لكل منها وسيقوم Optimas بالتعامل مع الباقي.
• التحسين المتقدم : يدمج Optimas الخوارزميات من مكتبة Axe، مما يوفر تحسينًا بايزيًا فرديًا ومتعدد الأهداف. يتضمن ذلك تقنيات متقدمة مثل خوارزميات الدقة المتعددة والمهام المتعددة.

تثبيت

يمكنك تثبيت Optimas من PyPI (مستحسن):

python -m pip install " optimas[all] "

من كوندا فورج:

conda install optimas --channel conda-forge

أو مباشرة من جيثب:

python -m pip install " optimas[all] @ git+https://github.com/optimas-org/optimas.git "

تأكد من توفر mpi4py في بيئتك قبل تثبيت optimas. لمزيد من التفاصيل، راجع دليل التثبيت الكامل. لقد قمنا أيضًا بإعداد تعليمات تثبيت مخصصة لبعض أنظمة HPC مثل JUWELS (JSC) وMaxwell (DESY) وPerlmutter (NERSC).

التوثيق

لمزيد من المعلومات حول كيفية استخدام Optimas، راجع الوثائق. ستجد تعليمات التثبيت ودليل المستخدم والأمثلة ومرجع API.

يدعم

هل تحتاج إلى المزيد من المساعدة؟ انضم إلى قناة Slack الخاصة بنا أو افتح إصدارًا جديدًا.

نقلا عن أوبتيماس

إذا أدى استخدامك لـ Optimas إلى منشور علمي، فيرجى التفكير في الاستشهاد بالورقة الأصلية:

 @article { PhysRevAccelBeams.26.084601 ,
    title     = { Bayesian optimization of laser-plasma accelerators assisted by reduced physical models } ,
    author    = { Ferran Pousa, A. and Jalas, S. and Kirchen, M. and Martinez de la Ossa, A. and Th'evenet, M. and Hudson, S. and Larson, J. and Huebl, A. and Vay, J.-L. and Lehe, R. } ,
    journal   = { Phys. Rev. Accel. Beams } ,
    volume    = { 26 } ,
    issue     = { 8 } ,
    pages     = { 084601 } ,
    numpages  = { 9 } ,
    year      = { 2023 } ,
    month     = { Aug } ,
    publisher = { American Physical Society } ,
    doi       = { 10.1103/PhysRevAccelBeams.26.084601 } ,
    url       = { https://link.aps.org/doi/10.1103/PhysRevAccelBeams.26.084601 }
}

و ليب إنسيمبل:

 @article { Hudson2022 ,
    title   = { {libEnsemble}: A Library to Coordinate the Concurrent
                Evaluation of Dynamic Ensembles of Calculations } ,
    author  = { Stephen Hudson and Jeffrey Larson and John-Luke Navarro and Stefan M. Wild } ,
    journal = { {IEEE} Transactions on Parallel and Distributed Systems } ,
    volume  = { 33 } ,
    number  = { 4 } ,
    pages   = { 977--988 } ,
    year    = { 2022 } ,
    doi     = { 10.1109/tpds.2021.3082815 }
}