optimas

libEnsemble을 통한 대규모 최적화

문서 살펴보기 »

예시 보기 · 지원 · API 참조

Optimas는 노트북부터 대규모 병렬 슈퍼컴퓨터까지 확장성이 뛰어난 최적화를 위해 설계된 Python 라이브러리입니다.

주요 특징

• 확장성 : Optimas는 libEnsemble의 강력한 기능을 활용하여 노트북에서 고성능 컴퓨팅 클러스터까지 원활하게 확장되도록 설계되었습니다.
• 사용자 친화적 : Optimas는 대규모 병렬 매개변수 스캔 및 최적화 실행 프로세스를 단순화합니다. 병렬 평가 수와 각 평가에 할당할 컴퓨팅 리소스를 지정하면 나머지는 Optimas가 처리합니다.
• 고급 최적화 : Optimas는 Ax 라이브러리의 알고리즘을 통합하여 단일 목표 및 다중 목표 베이지안 최적화를 모두 제공합니다. 여기에는 다중 충실도 및 다중 작업 알고리즘과 같은 고급 기술이 포함됩니다.

설치

PyPI에서 Optimas를 설치할 수 있습니다(권장).

python -m pip install " optimas[all] "

conda-forge에서 :

conda install optimas --channel conda-forge

또는 GitHub에서 직접:

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

Optimas를 설치하기 전에 환경에서 mpi4py 사용할 수 있는지 확인하세요. 자세한 내용은 전체 설치 가이드를 확인하세요. 또한 JUWELS(JSC), Maxwell(DESY) 및 Perlmutter(NERSC)와 같은 일부 HPC 시스템에 대한 전용 설치 지침도 준비했습니다.

선적 서류 비치

Optimas 사용 방법에 대한 자세한 내용은 설명서를 확인하세요. 설치 지침, 사용자 가이드, 예제 및 API 참조를 찾을 수 있습니다.

지원하다

도움이 더 필요하신가요? Slack 채널에 가입하거나 새 이슈를 열어보세요.

최적의 인용

Optimas를 사용하여 과학 출판으로 이어지는 경우 원본 논문 인용을 고려해 보십시오.

 @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 }
}

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 }
}