論文の概要: Manual binding and semi-automated interface generation for efficient simulation backends with user-friendly frontends: A~demonstration for epidemic use cases
- arxiv url: http://arxiv.org/abs/2610.40343v1
- Date: Thu, 29 Oct 2026 16:04:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 07:30:04.57074
- Title: Manual binding and semi-automated interface generation for efficient simulation backends with user-friendly frontends: A~demonstration for epidemic use cases
- Title（参考訳）: ユーザフレンドリーなフロントエンドを用いた効率的なシミュレーションバックエンドのための手動バインディングと半自動インタフェース生成:A~デモ
- Abstract要約: 多数の伝染病モデルを備えた大規模ソフトウェアフレームワークが,Pythonに効率的に適用可能であることを示す。
抽象構文木を用いてジェネリックC++コードを解析し,インタフェースコードを生成する半自動手法を提案する。
- 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: Challenges and chances of mathematical software are directly entangled with the programming language used. Depending on the background of developers and users, conflicts between different goals may arise. While several, e.g., scripting languages allow a low barrier and user-friendly entry to mathematical modeling and simulation, corresponding implementations will most likely not allow timely outcomes for detailed simulations. In infectious disease modeling, while several large-scale software frameworks rely on C or C++ implementations, most models are implemented in Python or R. While the latter allow for fast prototyping and more interactive development, it has been shown for several applications that C or C++ implementations outperform plain Python or R implementations by factors between one and three orders of magnitude. In particular, in times of pandemics, the urgent need for swift estimation of the system's dynamics makes the use of large-scale models in these noncompiled languages prohibitive. In order to create synergies and close the gap between scientists from the application and the computational domain, binding libraries allow to execute entire, compiled software frameworks from languages such as Python. However, with iterative model development, extension, or addition of new models, implementing bindings can represent another relevant barrier to developers of the C or C++ backends. In this paper, we show how a large-scale software framework with a multitude of infectious disease models can be efficiently exposed to Python. In addition, we suggest a semi-automated way to generate interface code by analyzing generic C++ code through abstract syntax trees, enabling a modularized approach working with intermediate representations.
- Abstract（参考訳）: 数学ソフトウェアへの挑戦とチャンスは、使用するプログラミング言語と直接結びついている。
開発者とユーザのバックグラウンドによっては、異なる目標間の衝突が発生する可能性がある。
いくつかのスクリプト言語は、数学的モデリングとシミュレーションに低障壁とユーザフレンドリなエントリを可能にするが、それに対応する実装では詳細なシミュレーションのタイムリーな結果が得られない可能性が高い。
感染性疾患のモデリングでは、いくつかの大規模ソフトウェアフレームワークがCやC++の実装に依存しているが、ほとんどのモデルはPythonやRで実装されている。
特にパンデミックの時代には、システムのダイナミクスを素早く推定する緊急の必要性は、これらの非コンパイル言語における大規模モデルの使用を禁止している。
アプリケーションから科学者と計算領域のギャップを埋めてシナジーを作るため、バインディングライブラリはPythonのような言語からコンパイルされたソフトウェアフレームワーク全体を実行できる。
しかし、反復的なモデル開発、拡張、または新しいモデルの追加によって、バインディングの実装は、CやC++バックエンドの開発者にとって、別の重要な障壁となる可能性がある。
本稿では,多数の伝染病モデルを持つ大規模ソフトウェアフレームワークをPythonに効率的に公開する方法について述べる。
さらに,抽象構文木を用いてジェネリックC++コードを解析することにより,インタフェースコードを生成する半自動化手法を提案する。
関連論文リスト
- SPEAR: A Simulator for Photorealistic Embodied AI Research [50.72272540069964]
SPEARは、Unreal Engine (UE)アプリケーションをモジュール化されたアーキテクチャで制御できるPythonライブラリである。
単一のSPEARインスタンスは、1920x1080の美容画像をユーザのNumPy配列に直接、毎秒73フレームでレンダリングすることができる。
論文 参考訳（メタデータ） (2026-07-07T18:20:33Z) - PopPy: Opportunistically Exploiting Parallelism in Python Compound AI Applications [23.38594451793918]
PopPyは、Pythonアプリケーションにおける並列化の機会を明らかにするシステムである。
現実世界の複合AIアプリケーションセットでは、PopPyはエンドツーエンドの実行時間で最大6.4倍のスピードアップを達成する。
論文 参考訳（メタデータ） (2026-05-18T17:33:50Z) - Python Bindings for a Large C++ Robotics Library: The Case of OMPL [12.900006436558405]
Pythonバインディングは、高性能なC++ライブラリとPythonの柔軟性の間の重要な橋渡しである。
大きなものへのバインディングを生成するのは 面倒なプロセスです 少数のメンテナに 重荷を負わせます
本研究では,Large Language Models (LLMs) を用いてナノボンドラッパーの生成を支援する。
論文 参考訳（メタデータ） (2026-03-04T23:18:10Z) - XLM: A Python package for non-autoregressive language models [22.95539075474856]
近年,汎用言語モデリングの文脈において,非自己回帰テキスト生成への関心が高まっている。
提案するXLM pythonパッケージは,小さな非自己回帰言語モデルの実装を高速化する。
論文 参考訳（メタデータ） (2025-12-18T21:05:10Z) - M, Toolchain and Language for Reusable Model Compilation [1.3048920509133806]
Mは、システムモデリングとマルチターゲットコンパイルをサポートするために設計されたツールチェーンおよびモデリング言語である。
システムエンティティ、メッセージベースのインタラクション、時間または状態トリガーによる反応をモデル化するための構造を提供する。
論文 参考訳（メタデータ） (2025-11-19T09:21:46Z) - Continuous Autoregressive Language Models [56.49239051750678]
我々はCALM(Continuous Autoregressive Language Models)を紹介する。
CALMは高忠実度オートエンコーダを使用して、Kトークンの塊を1つの連続ベクトルに圧縮する。
我々は、堅牢なトレーニング、評価、および制御可能なサンプリングを可能にする包括的可能性のないフレームワークを開発する。
論文 参考訳（メタデータ） (2025-10-31T17:58:11Z) - Syntactic and Semantic Control of Large Language Models via Sequential Monte Carlo [90.78001821963008]
広い範囲のLMアプリケーションは、構文的制約や意味論的制約に適合するテキストを生成する必要がある。
我々は、連続モンテカルロ(SMC)に基づく制御LM生成のためのアーキテクチャを開発する。
我々のシステムはLew et al. (2023) のフレームワーク上に構築されており、言語モデル確率型プログラミング言語と統合されている。
論文 参考訳（メタデータ） (2025-04-17T17:49:40Z) - Promises and Pitfalls of Generative Masked Language Modeling: Theoretical Framework and Practical Guidelines [74.42485647685272]
GMLM(Generative Masked Language Models)に焦点を当てる。
我々は,マルコフ連鎖の入力として使用されるマスキングにより,データ分布の条件付き確率に適合するモデルを訓練し,モデルからサンプルを抽出する。
我々は,T5モデルを並列デコーディングに適応させ,最小品質の犠牲を伴って機械翻訳における2～3倍の高速化を実現した。
論文 参考訳（メタデータ） (2024-07-22T18:00:00Z) - CyNetDiff -- A Python Library for Accelerated Implementation of Network Diffusion Models [0.9831489366502302]
CyNetDiffはPythonライブラリで、Cythonで記述されている。
多くの研究課題において、これらのシミュレーションが最も計算集約的なタスクであるため、高水準言語へのインタフェースを備えたライブラリを持つことが望ましい。
論文 参考訳（メタデータ） (2024-04-25T21:59:55Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z)
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。