概要
Olympus は、最適化アルゴリズムと実験計画手法を比較するための研究用ソフトウェアフレームワークです。その役割は、ベンチマーク問題と一貫したプランナーインターフェースを提供することであり、実験室のハードウェアを直接操作することではありません。README では、実験上の制約を扱うこと、堅牢なプロセス最適化、反応最適化への転移学習など、化学分野に関連する応用が挙げられています。
ベンチマークワークフローでは、連続、離散、カテゴリ型のパラメータを含む領域を利用できます。ドキュメントに記載されたコレクションには、23 種類の実験計画アルゴリズム、実験データに基づく 33 個のベンチマーク、33 個の解析的テスト関数が含まれています。これらを使って、実験データまたは数学的な目的関数に対してプランナーを評価できます。このフレームワークは、カスタム最適化アルゴリズムとカスタムデータセットにも対応しています。後者は、追加のベンチマーク問題用モデルの学習に利用できます。プロットおよび解析機能を使うと、ベンチマーク実験を調べ、結果を伝えることができます。
したがって、入力にはパラメータ領域の定義、選択したベンチマーク問題、拡張用のユーザー提供データセットまたはアルゴリズムが含まれます。ドキュメントに記載された出力には、ベンチマーク実験の結果と関連する可視化が含まれますが、出典の抜粋には結果のスキーマ、データセット形式、個々のプランナー API の説明はありません。ワークフローを実装する前に、リンク先のドキュメントでこれらの詳細を確認する必要があります。
README では、Python、numpy、pandas が基本依存関係として挙げられており、特定のモジュールやオブジェクトには追加ライブラリが必要です。記載された Python の最小バージョンはインストール要件であり、現在の互換性がテスト済みであることを示すものではありません。提供された情報には利用可能な機能が記載されていますが、比較性能の結果も、ベンチマーク結果を特定の実験室プロセスに直接適用できるという証拠もありません。
主な機能
- 連続、離散、カテゴリ型のパラメータを用いて最適化領域を定義します。
- プロジェクトの README によると、共通インターフェースを通じて 23 種類の実験計画アルゴリズムを利用できます。
- 実験データに基づく 33 個のベンチマークと、33 個の解析的な最適化テスト関数を提供します。
- ベンチマーク用にカスタム最適化アルゴリズムを統合できます。
- 追加のベンチマーク用モデルの学習に使用できるカスタムデータセットに対応します。
- ベンチマーク実験を可視化するためのプロットおよび解析オプションを備えています。
用途
- 推奨される評価手順：化学最適化研究で候補となるプランナーを選ぶ前に、実験データに基づくベンチマークで実験計画プランナーを比較します。
- 推奨される評価手順：実験計画に関連する連続、離散、カテゴリ型の変数を含む領域で、プランナーの挙動を評価します。
- 推奨される評価手順：新しい最適化アルゴリズムを統合し、解析的テスト関数上で既存のプランナーと比較します。
- 推奨される評価手順：プロジェクト固有のデータセットを使ってカスタムベンチマークモデルを学習し、実験室への導入を検討する前にプランナーの挙動を調べます。
使い方
- Olympus のドキュメントを読み、研究に必要な領域、ベンチマーク、プランナーのインターフェースを確認します。概要から入出力形式を推測せず、詳細な API を確認してください。
- インストール方法については公式 READMEを参照してください。pip、conda、ソースからのインストール方法に加え、Python、numpy、pandas が基本依存関係として記載されています。個々のモジュールには追加ライブラリが必要な場合があります。
- 入門用 Colab ノートブックを確認し、独自のベンチマーク課題に応用する前に、ワークフローの例を把握します。
- 解析的ベンチマークまたは実験データに基づくベンチマークを選び、関連するパラメータ型を定義します。カスタムデータセットまたはプランナーを使用する場合は、ドキュメントの拡張ガイドに従い、必要な表現形式を確認してください。
- 比較を実行し、ドキュメントに記載されたプロットおよび解析機能で結果を調べます。選択したベンチマーク、プランナー、依存関係を記録してください。特定の実験室プロセスに関する結論は、別個の評価課題として扱います。