論文の概要: ParaMonte: A high-performance serial/parallel Monte Carlo simulation
library for C, C++, Fortran
- arxiv url: http://arxiv.org/abs/2009.14229v1
- Date: Tue, 29 Sep 2020 18:04:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 07:13:41.459160
- Title: ParaMonte: A high-performance serial/parallel Monte Carlo simulation
library for C, C++, Fortran
- Title（参考訳）: ParaMonte: C, C++, Fortran用の高性能シリアル/並列モンテカルロシミュレーションライブラリ
- Authors: Amir Shahmoradi, Fatemeh Bagheri
- Abstract要約: ParaMonte (Parallel Monte Carloの略)は、モンテカルロルーチンのMPI/Coarray並列化ライブラリである。
ParaMonteライブラリは、モンテカルロシミュレーションの**automation**, ** Accessibility**, **high- Performance**, **scalability**, **reproducibility**を統一する設計目標として開発された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ParaMonte (standing for Parallel Monte Carlo) is a serial and
MPI/Coarray-parallelized library of Monte Carlo routines for sampling
mathematical objective functions of arbitrary-dimensions, in particular, the
posterior distributions of Bayesian models in data science, Machine Learning,
and scientific inference. The ParaMonte library has been developed with the
design goal of unifying the **automation**, **accessibility**,
**high-performance**, **scalability**, and **reproducibility** of Monte Carlo
simulations. The current implementation of the library includes **ParaDRAM**, a
**Para**llel **D**elyaed-**R**ejection **A**daptive **M**etropolis Markov Chain
Monte Carlo sampler, accessible from a wide range of programming languages
including C, C++, Fortran, with a unified Application Programming Interface and
simulation environment across all supported programming languages. The
ParaMonte library is MIT-licensed and is permanently located and maintained at
[https://github.com/cdslaborg/paramonte](https://github.com/cdslaborg/paramonte).
- Abstract（参考訳）: paramonte (parallel monte carlo) は、任意の次元の数学的客観的関数、特にデータサイエンス、機械学習、科学推論におけるベイズモデルの後方分布をサンプリングするためのモンテカルロルーチンの直列およびmpi/コアレー並列化ライブラリである。
ParaMonteライブラリは、モンテカルロシミュレーションの**automation**, ** Accessibility**, **high- Performance**, **scalability**, **reproducibility**を統一する設計目標として開発された。
現在のライブラリの実装には、**paradram**, a ****llel **d**elyaed-**r***ejection **a**daptive **m*etropolis markov chain monte carlo samplerがあり、c、c++、fortranを含む幅広いプログラミング言語からアクセスできる。
ParaMonteライブラリはMITライセンスで,[https://github.com/cdslaborg/paramonte] (https://github.com/cdslaborg/paramonte] に常駐して維持されている。
関連論文リスト
- Exploring Continual Learning for Code Generation Models [80.78036093054855]
継続的学習(CL)は、コードドメインの中でまだ過小評価されていない重要な側面である。
コード生成,翻訳,要約,改良など,幅広いタスクをカバーするCodeTask-CLというベンチマークを導入する。
即時選択機構の不安定な訓練により,プロンプトプール (PP) などの有効手法が破滅的な忘れ込みに悩まされることが判明した。
論文 参考訳（メタデータ） (2023-07-05T16:58:39Z) - Sequential Monte Carlo Steering of Large Language Models using
Probabilistic Programs [46.721838623748816]
本研究では,大規模言語モデルの出力に対する構文的制約と意味的制約を強制する新しい推論時手法を提案する。
主要なアイデアは、言語生成タスクを離散確率列モデルのクラスにおける後部推論問題として指定することである。
ビームサーチと同様の計算コストのために、SMCは多様なタスクを解決するためにLSMを操ることができる。
論文 参考訳（メタデータ） (2023-06-05T17:55:05Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳（メタデータ） (2023-05-31T05:24:48Z) - Advising OpenMP Parallelization via a Graph-Based Approach with
Transformers [2.393682571484038]
我々は,OpenMPのプラグマと共有メモリ属性を並列コードで検出し,予測する,OMPifyと呼ばれる新しい手法を提案する。
OMPifyは、ソースコードのグラフベースの表現を利用するTransformerベースのモデルに基づいている。
以上の結果から,OMPifyは汎用および人気の高いChatGPTやPragFormerモデルなど,既存のアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-05-16T16:56:10Z) - CLAWSAT: Towards Both Robust and Accurate Code Models [74.57590254102311]
比較学習(CL)と逆学習を統合して、コードモデルの堅牢性と精度を協調的に最適化する。
私たちの知る限りでは、これはコードモデルにおける(マルチビュー)コードの難読化の堅牢性と正確性について調査し、活用する最初の体系的な研究です。
論文 参考訳（メタデータ） (2022-11-21T18:32:50Z) - Low-variance estimation in the Plackett-Luce model via quasi-Monte Carlo
sampling [58.14878401145309]
PLモデルにおいて,より標本効率の高い予測値を生成するための新しい手法を開発した。
Amazon MusicのリアルなレコメンデーションデータとYahooの学習からランクへの挑戦を理論的にも実証的にも使用しています。
論文 参考訳（メタデータ） (2022-05-12T11:15:47Z) - BayesSimIG: Scalable Parameter Inference for Adaptive Domain
Randomization with IsaacGym [59.53949960353792]
BayesSimIGは、最近リリースされたNVIDIA IsaacGymと統合されたBayesSimの実装を提供するライブラリである。
BayesSimIGはNVIDIABoardと統合して、高次元の後方のスライスを簡単に視覚化する。
論文 参考訳（メタデータ） (2021-07-09T16:21:31Z) - mlOSP: Towards a Unified Implementation of Regression Monte Carlo
Algorithms [0.0]
最適停止問題に対する機械学習のための計算テンプレートであるmlOSPを紹介する。
テンプレートはR統計環境で実装され、GitHubリポジトリ経由で公開されている。
論文 参考訳（メタデータ） (2020-12-01T18:41:02Z) - Fast fully-reproducible serial/parallel Monte Carlo and MCMC simulations
and visualizations via ParaMonte::Python library [0.0]
ParaMonte::Pythonは(Markov Chain) Monte Carlo(MCMC)ルーチンのライブラリで、数学的目的関数をサンプリングします。
ParaMonte::PythonライブラリはMITライセンスで、GitHubで永久にメンテナンスされている。
論文 参考訳（メタデータ） (2020-10-01T23:26:42Z) - ParaDRAM: A Cross-Language Toolbox for Parallel High-Performance
Delayed-Rejection Adaptive Metropolis Markov Chain Monte Carlo Simulations [0.0]
ParaDRAM (ParaDRAM) は、マルコフ・チェイン・メトロポリス・ソフトウェアである。
そこで我々はParaDRAMで実装されたいくつかの新しい技術について論じ,その良質な混合を自動的かつ動的に保証する。
そこで本研究では,ParaDRAMで使用されるデータ記憶方式の実装について論じる。
論文 参考訳（メタデータ） (2020-08-21T17:29:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。