opifex

Opifex는 JAX와 Flax NNX 위에 네이티브로 구축된 과학 머신러닝 프레임워크다. 현재 빠르게 반복 개발 중인 연구 프리뷰이며, v1.0 이전에는 API가 불안정할 것으로 예상된다. README에서 확인되는 주요 기능: - 신경 연산자: FNO, DeepONet, PINO, TFNO, UFNO, SFNO, UNO, GINO, MGNO, WNO, GNO 및 변형을 포함한 20개의 등록된 아키텍처가 있으며, 중앙 연산자 레지스트리를 통해 접근할 수 있다. - 물리 정보 신경망: 표준 PINN과 도메인 분해 방법(FBPINN, XPINN, CPINN). - 원자 위치 에너지: E(3)-등변 모델(SchNet, PaiNN, NequIP)과 MACE 스타일의 더 높은 차수 상호작용 지원, 에너지/힘/응력 헤드, ASE 계산기 인터페이스. - 양자 화학: 미분 가능한 Kohn-Sham DFT, 신경 교환-상관 함수, 변분 몬테카를로, 등변 해밀토니안 예측. - 방정식 발견: 데이터에서 지배 방정식을 복원하기 위한 SINDy와 그 앙상블, 약형, 베이지안 변형. - 불확실성 정량화: 등각 예측, 가우시안 프로세스, 베이지안 구적법, 시뮬레이션 기반 추론, 어댑터 제품군(앙상블, SNGP, 증거 기반). - 장 연산: 구조화된 격자에서 JAX 네이티브 미분 연산자, 이류, 압력 투영. - 데이터 로딩: PDEBench 텐서와 VTK 비구조 격자를 위한 파이프라인. - 훈련 도구: NTK 분석, GradNorm 손실 균형, 적응형 샘플링, 메타 최적화(MAML/Reptile). 이 프로젝트는 Python 3.12+를 요구하며 PyPI에서 설치할 수 있다. 59개의 작동 예제를 포함하고 MIT 라이선스다. README는 이 단계에서 프로덕션 사용에 대해 명시적으로 경고한다.