প্রকল্প সম্পর্কে

Opifex হলো JAX এবং Flax NNX-এর উপর নেটিভভাবে নির্মিত একটি বৈজ্ঞানিক মেশিন লার্নিং ফ্রেমওয়ার্ক। এটি বর্তমানে দ্রুত পুনরাবৃত্তির অধীনে একটি গবেষণা প্রিভিউ, এবং v1.0-এর আগে API অস্থির থাকার সম্ভাবনা রয়েছে। README-তে উল্লিখিত প্রধান সক্ষমতাগুলো: - নিউরাল অপারেটর: FNO, DeepONet, PINO, TFNO, UFNO, SFNO, UNO, GINO, MGNO, WNO, GNO এবং বিভিন্ন ভ্যারিয়েন্টসহ ২০টি নিবন্ধিত আর্কিটেকচার, যা একটি কেন্দ্রীয় অপারেটর রেজিস্ট্রির মাধ্যমে অ্যাক্সেসযোগ্য। - ফিজিক্স-ইনফর্মড নিউরাল নেটওয়ার্ক: সাধারণ PINN-এর পাশাপাশি ডোমেইন ডিকম্পোজিশন পদ্ধতি (FBPINN, XPINN, CPINN)। - অ্যাটমিস্টিক পটেনশিয়াল: E(3)-ইকুইভ্যারিয়েন্ট মডেল (SchNet, PaiNN, NequIP), MACE-ধাঁচের উচ্চতর বডি-অর্ডার সাপোর্ট, এনার্জি/ফোর্স/স্ট্রেস হেড এবং একটি ASE ক্যালকুলেটর ইন্টারফেস। - কোয়ান্টাম কেমিস্ট্রি: ডিফারেনশিয়েবল Kohn-Sham DFT, নিউরাল এক্সচেঞ্জ-কোরিলেশন ফাংশনাল, ভ্যারিয়েশনাল মন্টে কার্লো এবং ইকুইভ্যারিয়েন্ট হ্যামিলটোনিয়ান প্রেডিকশন। - সমীকরণ আবিষ্কার: ডেটা থেকে নিয়ন্ত্রক সমীকরণ উদ্ধারের জন্য SINDy এবং এর এনসেম্বল, উইক ও বেইজিয়ান ভ্যারিয়েন্ট। - অনিশ্চয়তা পরিমাপ: কনফরমাল প্রেডিকশন, গাউসিয়ান প্রসেস, বেইজিয়ান কোয়াড্রেচার, সিমুলেশন-ভিত্তিক ইনফারেন্স এবং অ্যাডাপ্টার স্যুট (এনসেম্বল, SNGP, এভিডেনশিয়াল)। - ফিল্ড অপারেশন: স্ট্রাকচার্ড গ্রিডে JAX-নেটিভ ডিফারেনশিয়াল অপারেটর, অ্যাডভেকশন এবং প্রেশার প্রজেকশন। - ডেটা লোডিং: PDEBench টেনসর এবং VTK আনস্ট্রাকচার্ড মেশের জন্য পাইপলাইন। - ট্রেনিং টুলস: NTK বিশ্লেষণ, GradNorm লস ব্যালান্সিং, অ্যাডাপ্টিভ স্যাম্পলিং এবং মেটা-অপ্টিমাইজেশন (MAML/Reptile)। প্রকল্পটির জন্য Python 3.12+ প্রয়োজন এবং এটি PyPI থেকে ইনস্টলযোগ্য। এতে ৫৯টি কার্যকর উদাহরণ রয়েছে এবং এটি MIT লাইসেন্সের অধীনে। README স্পষ্টভাবে এই পর্যায়ে প্রোডাকশনে ব্যবহারের বিরুদ্ধে সতর্ক করেছে।