Quoi de neuf dans EvoX 1.0.0 ?
- Compatibilité complète avec PyTorch : EvoX s’intègre désormais de manière transparente avec l’écosystème PyTorch, facilitant plus que jamais l’application des 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 exploite PyTorch pour une accélération de 100x sur du matériel hétérogène (CPU, GPU, clusters multi-nœuds).
- Bibliothèque d’algorithmes étendue : Propose plus de 50 algorithmes évolutionnaires, incluant GA, DE, PSO, CMA-ES, MOEAs (NSGA-II, RVEA, MOEA/D, etc.), ainsi que des méthodes de méta-évolution de pointe.
- Support RL et 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 benchmark : Couvre l’optimisation mono-objectif et multi-objectif, ainsi que des défis d’ingénierie réels.
- Personnalisable et évolutif : Prend en charge des définitions de problèmes flexibles, le streaming de données en temps réel et des workflows distribués évolutifs.
Rapprocher le calcul évolutionnaire et l’apprentissage profond
EvoX 1.0.0 représente une avancée majeure dans la fusion des algorithmes évolutionnaires avec les frameworks modernes d’apprentissage profond. L’intégration avec PyTorch permet aux chercheurs et praticiens de combiner l’apprentissage par 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 porté par la communauté
EvoX est désormais disponible sur GitHub : https://github.com/EMI-Group/EvoX