optimas

由libEnsemble提供支持的大规模优化

探索文档 »

查看示例 · 支持 · API 参考

Optimas 是一个 Python 库，专为高度可扩展的优化而设计，从笔记本电脑到大规模并行超级计算机。

主要特点

• 可扩展性：利用 libEnsemble 的强大功能，Optimas 旨在从笔记本电脑无缝扩展到高性能计算集群。
• 用户友好：Optimas 简化了运行大型并行参数扫描和优化的过程。指定并行评估的数量以及分配给每个评估的计算资源，Optimas 将处理其余的事情。
• 高级优化：Optimas 集成了 Ax 库中的算法，提供单目标和多目标贝叶斯优化。这包括多保真度和多任务算法等先进技术。

安装

您可以从 PyPI 安装 Optimas（推荐）：

python -m pip install " optimas[all] "

来自康达锻造：

conda install optimas --channel conda-forge

或直接来自 GitHub：

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

在安装 optimas 之前，请确保mpi4py在您的环境中可用。有关更多详细信息，请查看完整的安装指南。我们还为一些 HPC 系统准备了专门的安装说明，例如 JUWELS (JSC)、Maxwell (DESY) 和 Perlmutter (NERSC)。

文档

有关如何使用 Optimas 的更多信息，请查看文档。您将找到安装说明、用户指南、示例和 API 参考。

支持

需要更多帮助吗？加入我们的 Slack 频道或打开新一期。

引用最优值

如果您使用 Optimas 发表了科学出版物，请考虑引用原始论文：

 @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 }
}

和 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 }
}