optimas

由libEnsemble提供支援的大規模最佳化

探索文件 »

查看範例 · 支援 · API 參考

Optimas 是一個 Python 庫，專為高度可擴展的優化而設計，從筆記型電腦到大規模並行超級電腦。

主要特點

• 可擴展性：利用 libEnsemble 的強大功能，Optimas 旨在從筆記型電腦無縫擴展到高效能運算叢集。
• 使用者友善：Optimas 簡化了執行大型平行參數掃描和最佳化的過程。指定並行評估的數量以及分配給每個評估的計算資源，Optimas 將處理其餘的事情。
• 進階最佳化：Optimas 整合了 Ax 庫中的演算法，提供單目標和多目標貝葉斯最佳化。這包括多保真度和多任務演算法等先進技術。

安裝

您可以從 PyPI 安裝 Optimas（建議）：

python -m pip install " optimas[all] "

來自康達鍛造：

conda install optimas --channel conda-forge

或直接來自 GitHub：

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

在安裝 optimas 之前，請確保mpi4py在您的環境中可用。有關更多詳細信息，請查看完整的安裝指南。我們也為一些 HPC 系統準備了專門的安裝說明，例如 JUWELS (JSC)、Maxwell (DESY) 和 Perlmutter (NERSC)。

文件

有關如何使用 Optimas 的更多信息，請查看文件。您將找到安裝說明、使用者指南、範例和 API 參考。

支援

需要更多幫助嗎？加入我們的 Slack 頻道或開啟新一期。

引用最優值

如果您使用 Optimas 發表了科學出版物，請考慮引用原始論文：

 @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 }
}