optimas

libEnsembleによる大規模な最適化

ドキュメントを確認する »

例を見る · サポート · API リファレンス

Optimas は、ラップトップから超並列スーパーコンピューターまで、拡張性の高い最適化のために設計された Python ライブラリです。

主な特長

• スケーラビリティ: libEnsemble のパワーを活用して、Optimas はラップトップからハイパフォーマンス コンピューティング クラスターまでシームレスに拡張できるように設計されています。
• ユーザーフレンドリー: Optimas は、大規模なパラメーターのスキャンと最適化を並行して実行するプロセスを簡素化します。並列評価の数と、それぞれに割り当てるコンピューティング リソースを指定すると、Optimas が残りを処理します。
• 高度な最適化: Optimas は Ax ライブラリのアルゴリズムを統合し、単一目的と複数目的の両方のベイジアン最適化を提供します。これには、マルチ忠実度やマルチタスク アルゴリズムなどの高度な技術が含まれます。

インストール

Optimas は PyPI からインストールできます (推奨)。

python -m pip install " optimas[all] "

conda-forge から:

conda install optimas --channel conda-forge

または GitHub から直接:

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

optimas をインストールする前に、ご使用の環境でmpi4pyが利用可能であることを確認してください。詳細については、完全なインストール ガイドをご覧ください。 JUWELS (JSC)、Maxwell (DESY)、Perlmutter (NERSC) などの一部の HPC システム用の専用のインストール手順も用意しました。

ドキュメント

Optimas の使用方法の詳細については、ドキュメントを参照してください。インストール手順、ユーザーガイド、例、API リファレンスが記載されています。

サポート

さらに助けが必要ですか? Slack チャンネルに参加するか、新しい問題を開いてください。

オプティマの引用

Optimas の使用が科学出版物につながる場合は、元の論文を引用することを検討してください。

 @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 }
}

およびlibEnsemble:

 @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 }
}