Cosa c’e di nuovo in EvoX 1.0.0?
- Piena compatibilita con PyTorch: EvoX si integra ora perfettamente con l’ecosistema PyTorch, rendendo piu semplice che mai applicare algoritmi evolutivi (EA) nella ricerca di architetture neurali (NAS), nel reinforcement learning (RL) e nel meta-learning.
- Accelerazione GPU distribuita: Progettato per il calcolo su larga scala, EvoX sfrutta PyTorch per ottenere uno speedup di 100x su hardware eterogeneo (CPU, GPU, cluster multi-nodo).
- Ampia libreria di algoritmi: Include oltre 50 algoritmi evolutivi, tra cui GA, DE, PSO, CMA-ES, MOEA (NSGA-II, RVEA, MOEA/D, ecc.) e metodi di meta-evoluzione all’avanguardia.
- Supporto per RL e motori fisici: Compatibile con Brax e ambienti di reinforcement learning, abilitando applicazioni di reinforcement learning evolutivo (ERL).
- Oltre 100 problemi benchmark: Copre ottimizzazione mono-obiettivo e multi-obiettivo, nonche sfide ingegneristiche reali.
- Personalizzabile e scalabile: Supporta definizioni flessibili dei problemi, streaming di dati in tempo reale e workflow distribuiti scalabili.
Unire il calcolo evolutivo e il deep learning
EvoX 1.0.0 rappresenta un passo rivoluzionario nella fusione tra algoritmi evolutivi e moderni framework di deep learning. L’integrazione con PyTorch consente a ricercatori e professionisti di combinare l’apprendimento basato su gradienti con la ricerca evolutiva, aprendo nuove possibilita nell’ottimizzazione guidata dall’IA, nell’apprendimento automatico automatizzato (AutoML) e nei sistemi decisionali complessi.
Open source e guidato dalla comunita
EvoX e ora disponibile su GitHub: https://github.com/EMI-Group/EvoX