日本宇宙航行科学研究院 swMATH ID: 36439 软件作者： 约书亚·G·阿尔伯特 描述： JAXNS：基于JAX的高性能嵌套采样包。自约翰·斯奇林（John Skilling）于2004年首次提出嵌套抽样以来，它已被证明是科学家的宝贵工具，为复杂的后验分布提供了假设证据计算和参数推断，尤其是在天文学领域。由于其计算复杂性和长时间运行的特性，在过去，嵌套采样被保留用于离线型贝叶斯推理，而变量推理和MCMC等工具则用于在线型、时间受限的贝叶斯计算。这些工具不容易处理复杂的多模态后验、离散随机变量和缺乏梯度的后验，也不支持贝叶斯证据的实际计算。因此，一个高性能的现成嵌套采样包仍有待开发，它可以缩小计算时间的差距，并让嵌套采样成为数据科学工具箱中的常见位置。我们介绍了基于JAX-based nested sampling（JAXNS），这是一个使用JAX以XLA原语编写的高性能嵌套采样包，并表明它比PolyChord、MultiNEST和dynesty当前可用的嵌套采样实现快几个数量级，同时保持了相同的证据计算精度。JAXNS包在以下网站公开提供：https://github.com/joshuaalbert/jaxns 主页： https://arxiv.org/abs/2012.15286 源代码： https://github.com/joshuaalbert/jaxns 关键词： 天体物理学；arXiv_astro-ph.IM；日本宇宙航空公司；嵌套采样；天文学；贝叶斯推断 相关软件： 多重嵌套；钻石；疼痛；CNTK公司；西雅娜；PyTorch公司；TensorFlow公司；日本宇宙航空公司；复合和弦；github；嵌套检查；雀巢；CosmoNest公司；斯坦；坚果；超级巢 引用于： 1文件 标准条款 1出版物描述软件 年份 JAXNS：基于JAX的高性能嵌套采样包arXiv公司约书亚·G·阿尔伯特 2020 由1位作者引用 1 约翰·巴赫纳 连载1篇 1 统计调查 在1个字段中引用 1 统计学（62-XX） 按年份列出的引文