¿Qué hay de nuevo en EvoX 1.0.0?
- Compatibilidad total con PyTorch: EvoX ahora se integra a la perfección con el ecosistema de PyTorch, lo que facilita más que nunca la aplicación de algoritmos evolutivos (EAs) en la búsqueda de arquitectura neuronal (NAS), aprendizaje por refuerzo (RL) y meta-aprendizaje.
- Aceleración por GPU distribuida: Diseñado para computación a gran escala, EvoX aprovecha PyTorch para lograr una mejora de velocidad de 100x en hardware heterogéneo (CPUs, GPUs, clústeres de múltiples nodos).
- Biblioteca extensa de algoritmos: Incluye más de 50 algoritmos evolutivos, como GA, DE, PSO, CMA-ES, MOEAs (NSGA-II, RVEA, MOEA/D, etc.) y métodos de meta-evolución de vanguardia.
- Soporte para RL y motores de física: Compatible con Brax y entornos de aprendizaje por refuerzo, lo que permite aplicaciones de aprendizaje por refuerzo evolutivo (ERL).
- Más de 100 problemas de referencia (benchmarks): Cubre optimización de un solo objetivo y multiobjetivo, así como desafíos de ingeniería del mundo real.
- Personalizable y escalable: Admite definiciones de problemas flexibles, transmisión de datos en tiempo real y flujos de trabajo distribuidos escalables.
Cerrando la brecha entre la computación evolutiva y el Deep Learning
EvoX 1.0.0 representa un paso trascendental en la fusión de los algoritmos evolutivos con los frameworks modernos de Deep Learning. La integración con PyTorch permite a investigadores y profesionales combinar el aprendizaje basado en gradientes con la búsqueda evolutiva, desbloqueando nuevas posibilidades en la optimización impulsada por IA, el aprendizaje automático automatizado (AutoML) y los sistemas complejos de toma de decisiones.
Código abierto e impulsado por la comunidad
EvoX ya está disponible en GitHub: https://github.com/EMI-Group/EvoX