1년이 지났고 메가 슬롯 기술을 Python에 기본적으로 도입하려는 아이디어로 시작된 것이 최적화 커뮤니티에서 신뢰할 수 있는 도구가 되었습니다. 메가 슬롯 모델링 시스템에 대한 Python 기반 인터페이스인 GAMSPy는 개념에서 전 세계적으로 사용되는 도구로 성장했습니다.
수천명의 학술 사용자, 주요 대학에서의 채택, 전문적인 워크플로에서의 사용 증가를 통해 이번 1주년은 우리의 기술 발전과 커뮤니티 참여를 강조합니다. 내년에는 기능 확장, 생태계 강화, GAMSPy에 의존하는 점점 더 많은 연구자와 실무자를 지원하는 데 중점을 둘 것입니다.
아이디어는 간단합니다. 관용적인 Python으로 모델을 작성하면 백그라운드에서 메가 슬롯 실행 시스템이 결정론적 모델 생성을 처리하고 무료 및 상업용 솔버 포트폴리오를 사용하여 이를 해결합니다. 우리는 작업하는 모델러(Python)를 만나기 위해 이를 구축했습니다. 따라서 교육, 프로토타이핑, 프로덕션에서 다시 작성하지 않고도 동일한 환경을 사용할 수 있습니다.
학계의 경우 이것은 큰 변화였습니다. 처음으로 교육 사용자는 무료 교육 라이센스를 통해 메가 슬롯 모델 생성 및 상용 등급 솔버의 모든 기능에 액세스할 수 있어 대규모 학생 과제 및 연구 프로젝트가 가능해졌습니다.
1년이 지난 지금, GAMSPy는 주요 대학의 수천 명의 학술 사용자에 의해 채택되었습니다. 처음에는 대부분의 채택이 라이선스를 획득한 개별 사용자로부터 이루어졌지만 이제는 강의실 사용이 증가했다는 분명한 증거가 있습니다. 창립 첫 해에 우리는 95개국에 약 7,500개의 학술 GAMSPy 라이선스를 배포했으며 세계 상위 100개 대학 중 79개 대학에서 채택했습니다. 이는 교육 및 연구에서의 가치에 대한 분명한 증거입니다.
상업 팀의 경우 GAMSPy는 솔버 독립성과 성능을 유지하면서 모델을 Python으로 유지하여 가치 실현 시간을 단축하고 기존 데이터 및 CI/CD 파이프라인에 최적화를 더 쉽게 연결할 수 있습니다. 무엇보다도 메가 슬롯 MIRO 및 메가 슬롯 엔진과의 통합을 통해 분석가를 위한 사용자 인터페이스를 생성하고 확장성이 뛰어난 배포가 가능합니다.
물론 아직 학계와 비교할 수 있는 상업적 사용 횟수는 없지만 GAMSPy의 매력은 분명합니다. 솔버 독립성을 유지하면서 Python 내에서 최적화 모델을 유지함으로써 프로토타입에서 생산까지의 경로를 가속화합니다. Python은 높은 수준의 추상화 계층 역할을 하며 무거운 계산 작업을 메가 슬롯 백엔드에 위임합니다. 벤치마크에서는 최소한의 오버헤드를 보여줍니다. -Linux에서는 약 27%, Windows에서는 8%- 솔버 런타임이 실행을 지배하는 실제 사례에서는 무시할 수 있는 수치입니다.
머신러닝
첫 해에 GAMSPy는 선형 레이어, 풀링 연산자(최대, 최소, 평균) 및 활성화 함수(예: Leaky ReLU)와 같이 기계 학습에 친숙한 구조를 점점 더 많이 도입했습니다. GAMSPy는 딥 러닝 프레임워크는 아니지만 이러한 기능은 최적화 모델 내에서 신경망에서 영감을 받은 구조를 표현하는 간단한 방법을 제공합니다. 이는 최적화와 머신러닝의 교차점에서 새로운 길을 열어 적대적 훈련, 초매개변수 조정, 강력한 학습, 신경 구성요소를 수학적 프로그래밍과 통합하는 하이브리드 모델에 대한 연구를 지원합니다.
학술적인 사용자의 경우, GAMSPy에 ML 스타일 연산자가 있다는 것은 이산적/연속적 최적화와 신경망 계층을 결합하는 하이브리드 모델을 공식화하는 동시에 상용 최적화 솔버의 모든 기능을 사용하여 교육 및 연구에 대한 라이선스 비용 없이 문제를 해결할 수 있음을 의미합니다. 상업 팀의 경우 이러한 기능은 최적화와 ML이 교차하는 의사결정 중심 학습 또는 모델 압축 문제에 대한 문을 열어줍니다. 즉, ML 기능은 GAMSPy를 '전통적인' 수학 프로그래밍을 넘어 빠르게 성장하는 최적화 인식 ML 및 ML 증강 최적화 공간으로 확장합니다.
커뮤니티 및 리소스
소프트웨어와 함께 우리는 사용자가 연결할 수 있는 장소를 구축했습니다: the메가 슬롯 포럼. 질문이나 문제가 발생하면 GAMSPy 사용자는 고립되어 작업할 필요가 없습니다. 포럼에 직접 게시하고 메가 슬롯 팀과 경험이 풍부한 다른 커뮤니티 회원으로부터 의견을 얻을 수 있습니다. 토론은 공개되고 검색 가능하므로 포럼은 빠르게 실용적인 솔루션, 팁, 해결 방법에 대한 지식 기반이 됩니다.
학술 사용자의 경우 이는 교육 또는 연구 기한이 촉박할 때 더 빠른 답변을 의미합니다. 상용 사용자의 경우 고급 모델링 또는 통합 문제에 대한 자격을 갖춘 2차 의견과 지침을 제공합니다. 메가 슬롯 포럼은 GAMSPy가 단순한 리소스가 아니라 활동적이고 지식이 풍부한 커뮤니티가 지원하는 도구임을 보장합니다.
포럼 외에도 GAMSPy는 다음의 훌륭한 문서로 지원됩니다.https://gamspy.readthedocs.io22481_22743
최종 생각
첫해에 GAMSPy의 급속한 성장과 채택은 수학적 최적화 커뮤니티에 대한 상당한 영향을 강조합니다. 우리는 학생과 연구자가 첫 번째 섹션에서 강조한 것과 같이 Python에 완전히 통합된 참신하고 창의적인 최적화 파이프라인을 개발하는 것을 보았습니다.GAMSPy 학생 대회. 미래를 내다보면서 우리는 GAMPy 기능을 향상하고 활발한 생태계를 조성하기 위해 최선을 다하고 있으며, 더욱 다양한 사용자가 연구 및 전문적인 노력을 위해 Python 내에서 메가 슬롯의 강력한 기능을 활용할 수 있도록 지원합니다. 동시에 우리는 메가 슬롯 자체를 지속적으로 확장하고 개선하고 있습니다. 메가 슬롯는 GAMSPy의 성능을 뒷받침하는 핵심 요소이며 사용자를 위한 자리를 계속 유지할 것입니다.