Quoi de neuf dans EvoX 1.0.0 ?
- Compatibilité totale avec PyTorch : EvoX s’intègre désormais parfaitement à l’écosystème PyTorch, rendant plus facile que jamais l’application d’algorithmes évolutionnaires (EAs) dans la recherche d’architecture neuronale (NAS), l’apprentissage par renforcement (RL) et le méta-apprentissage.
- Accélération GPU distribuée : Conçu pour le calcul à grande échelle, EvoX tire parti de PyTorch pour un gain de vitesse de 100x sur du matériel hétérogène (CPUs, GPUs, clusters multi-nœuds).
- Vaste bibliothèque d’algorithmes : Propose plus de 50 algorithmes évolutionnaires, incluant GA, DE, PSO, CMA-ES, MOEAs (NSGA-II, RVEA, MOEA/D, etc.), et des méthodes de méta-évolution de pointe.
- Support du RL et des moteurs physiques : Compatible avec Brax et les environnements d’apprentissage par renforcement, permettant des applications d’apprentissage par renforcement évolutionnaire (ERL).
- Plus de 100 problèmes de référence : Couvre l’optimisation mono-objectif et multi-objectifs, ainsi que des défis d’ingénierie du monde réel.
- Personnalisable et évolutif : Prend en charge des définitions de problèmes flexibles, le streaming de données en temps réel et des workflows distribués évolutifs.
Faire le lien entre le calcul évolutionnaire et le Deep Learning
EvoX 1.0.0 représente une étape révolutionnaire dans la fusion des algorithmes évolutionnaires avec les frameworks de Deep Learning modernes. L’intégration avec PyTorch permet aux chercheurs et aux praticiens de combiner l’apprentissage basé sur le gradient avec la recherche évolutionnaire, ouvrant de nouvelles possibilités dans l’optimisation pilotée par l’IA, l’apprentissage automatique automatisé (AutoML) et les systèmes de prise de décision complexes.
Open-Source et piloté par la communauté
EvoX est maintenant disponible sur GitHub : https://github.com/EMI-Group/EvoX