इस प्रोजेक्ट के बारे में

Opifex एक वैज्ञानिक मशीन लर्निंग फ्रेमवर्क है जो मूल रूप से JAX और Flax NNX पर बनाया गया है। यह वर्तमान में तेजी से पुनरावृत्ति के अधीन एक शोध पूर्वावलोकन है, और v1.0 से पहले अस्थिर API की अपेक्षा की जाती है। README में प्रमाणित प्रमुख क्षमताएँ: - न्यूरल ऑपरेटर: FNO, DeepONet, PINO, TFNO, UFNO, SFNO, UNO, GINO, MGNO, WNO, GNO और विविध रूपों सहित 20 पंजीकृत आर्किटेक्चर, जो एक केंद्रीय ऑपरेटर रजिस्ट्री के माध्यम से सुलभ हैं। - फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क: मानक PINN के साथ-साथ डोमेन डीकंपोजिशन विधियाँ (FBPINN, XPINN, CPINN)। - एटॉमिस्टिक पोटेंशियल: E(3)-इक्विवेरिएंट मॉडल (SchNet, PaiNN, NequIP) जिनमें MACE-शैली उच्च बॉडी-ऑर्डर समर्थन, ऊर्जा/बल/तनाव हेड और एक ASE कैलकुलेटर इंटरफ़ेस शामिल है। - क्वांटम केमिस्ट्री: डिफरेंशिएबल कोह्न-शैम DFT, न्यूरल एक्सचेंज-कोरिलेशन फंक्शनल, वेरिएशनल मोंटे कार्लो और इक्विवेरिएंट हैमिल्टोनियन प्रेडिक्शन। - समीकरण खोज: डेटा से नियंत्रक समीकरणों को पुनः प्राप्त करने के लिए SINDy और इसके एन्सेम्बल, वीक और बायेसियन विविध रूप। - अनिश्चितता मात्रा निर्धारण: कन्फॉर्मल प्रेडिक्शन, गाऊसियन प्रोसेस, बायेसियन क्वाडरेचर, सिमुलेशन-आधारित इन्फरेंस और एडाप्टर सूट (एन्सेम्बल, SNGP, एविडेंशियल)। - फील्ड ऑपरेशन: संरचित ग्रिड पर JAX-नेटिव डिफरेंशियल ऑपरेटर, एडवेक्शन और प्रेशर प्रोजेक्शन। - डेटा लोडिंग: PDEBench टेंसर और VTK अनस्ट्रक्चर्ड मेश के लिए पाइपलाइन। - प्रशिक्षण उपकरण: NTK विश्लेषण, GradNorm लॉस बैलेंसिंग, एडाप्टिव सैंपलिंग और मेटा-ऑप्टिमाइज़ेशन (MAML/Reptile)। परियोजना के लिए Python 3.12+ आवश्यक है और यह PyPI से इंस्टॉल करने योग्य है। इसमें 59 कार्यशील उदाहरण शामिल हैं और यह MIT लाइसेंस प्राप्त है। README स्पष्ट रूप से इस चरण में उत्पादन उपयोग के विरुद्ध चेतावनी देता है।