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