重新构想数值信息场论(NIFTy.re)：一个用于高斯过程和变分推断的库
天体物理仪器与方法
2024-06-18 v2 机器学习
机器学习
摘要
成像是将含噪、不完整数据转换为人类可解释空间的过程。NIFTy是一个用于成像的贝叶斯框架，已成功应用于天体物理学的许多领域。先前的设计决策限制了NIFTy的性能和方法发展。我们提出了NIFTy的重写版本，称为NIFTy.re，它重新设计了建模原则，扩展了推断策略，并将大量繁重计算外包给JAX。该重写显著加速了用NIFTy编写的模型，为新型推断机制奠定了基础，提高了可维护性，并实现了NIFTy与JAX机器学习生态系统之间的互操作性。
引用
@article{arxiv.2402.16683,
title = {Re-Envisioning Numerical Information Field Theory (NIFTy.re): A Library for Gaussian Processes and Variational Inference},
author = {Gordian Edenhofer and Philipp Frank and Jakob Roth and Reimar H. Leike and Massin Guerdi and Lukas I. Scheel-Platz and Matteo Guardiani and Vincent Eberle and Margret Westerkamp and Torsten A. Enßlin},
journal= {arXiv preprint arXiv:2402.16683},
year = {2024}
}
备注
10 pages, 2 figures, published in Journal of Open Source Software (JOSS)