Últimas noticias
Análisis profundos sobre computación evolutiva, actualizaciones del proyecto y noticias de la comunidad.
AutoPSO: Potencia de cómputo GPU × Metaevolución → Optimización por enjambre de partículas totalmente automática
AutoPSO, propuesto por el equipo de EvoX y publicado en IEEE TEVC, codifica de manera uniforme la configuración de parámetros, los mecanismos de aprendizaje y la estructura del enjambre del PSO en un espacio evolutivo explorable, y mediante metaevolución busca automáticamente la variante de PSO óptima para un determinado problema objetivo.
EvoX Genesis: un sistema de IA recursivo para la evolución autónoma del software a largo plazo, que construyó desde cero un compilador de C de 250 mil líneas
El equipo de EvoX del Departamento de Ciencia de Datos e Inteligencia Artificial de la Universidad Politécnica de Hong Kong lanzó EvoX Genesis, un sistema de IA recursivo para la evolución autónoma del software a largo plazo. En lugar de depender de un agente persistente para sostener el desarrollo de largo plazo, deja que el propio mundo del software siga evolucionando: a partir de un repositorio vacío, el sistema construyó un compilador de C de 248.989 líneas en 123,4 horas, con un costo total en tokens del modelo de apenas 44,38 dólares.
Codex para EvoX: Diseñar Algoritmos, Migrar Código y Ejecutar Experimentos Reproducibles Mediante Conversación
La computación evolutiva está entrando en la era nativa de IA. Con Codex como agente de programación con IA representativo, EvoX convierte la intención en lenguaje natural en flujos de trabajo de computación evolutiva ejecutables, abarcando el modelado de problemas, la migración de código, la neuroevolución sin retropropagación y la tensorización en GPU.
EvoGM: fusión autónoma de modelos de gran escala mediante evolución poblacional sin reentrenamiento
El equipo EvoX, en colaboración con el Laboratorio Peng Cheng, presenta EvoGM, un marco de fusión evolutiva generativa de modelos que transforma la búsqueda de coeficientes de fusión en un problema de optimización generativa aprendible, permitiendo la fusión autónoma de modelos sin reentrenar los modelos de gran escala participantes.
EvoGP: un framework nativo para GPU de programación genética basada en árboles a 10^11 GPops/s
EvoGP reorganiza desde cero la representación de árboles, los operadores genéticos y la ejecución paralela, alcanzando un rendimiento pico superior a 10^11 GPops/s y una aceleración de hasta 304× respecto a las implementaciones GPU existentes.
EvoGO: Computación en GPU × Aprendizaje Generativo → Un nuevo paradigma para algoritmos evolutivos con convergencia en 10 generaciones
EvoGO es un marco de optimización evolutiva totalmente basado en datos que aprende cómo generar mejores soluciones a partir de la experiencia de búsqueda pasada y logra un desempeño rápido y sólido en tareas complejas de alta dimensión.
iStratDE: Computación GPU x Poblaciones Ultra-Grandes Liberan Todo el Potencial de la Evolución Diferencial
El equipo de EvoX presenta iStratDE, un método de evolución diferencial acelerado por GPU que asigna estrategias fijas a nivel individual, permitiendo búsqueda paralela a gran escala sin comunicación, con sólido rendimiento empírico y garantías teóricas de convergencia.
Guía de inicio rápido de EvoX: Ejecute Evolutionary Computation acelerada por GPU en solo 10 minutos
Un tutorial para principiantes para comenzar con la Evolutionary Computation acelerada por GPU usando EvoX en solo 10 minutos.
Optimización Multiobjetivo Evolutiva Acelerada por GPU
Cerrando la brecha entre la Optimización Multiobjetivo Evolutiva y la aceleración por GPU mediante la tensorización, presentando la librería EvoMO.
MetaDE: Evolucionando la Evolución Diferencial mediante Evolución Diferencial
MetaDE es un método meta-evolutivo que utiliza la Evolución Diferencial para evolucionar sus propios hiperparámetros y estrategias, publicado en IEEE TEVC.