UnQi

کیمیای عدم قطعیت

توسعه نرم‌افزارهای متن‌باز برای تصمیم‌گیری تحت عدم قطعیت و محاسبات علمی

مسیر ما

«آن‌چی» (UnQi) روایتی نو از تبدیل عدم‌قطعیت به ارزش است. ما در این مسیر، جریانی پویا بنا کرده‌ایم که از توسعه‌ نرم‌افزارهای متن‌باز آغاز می‌شود، در ترازوی پژوهش‌های علمی اعتبار می‌یابد و در نهایت، به شکل راهکارهای قابل اطمینان در بدنه صنعت جان می‌گیرد.

قلمرو ما

سیستم‌های تصمیم‌گیری آگاه از عدم قطعیت

سیستم‌های پیشرفته پشتیبان تصمیم که عدم قطعیت را کمّی‌سازی می‌کنند، گزینه‌های رقیب را ارزیابی کرده و با استفاده از استنتاج بیزی، بهینه‌سازی تصادفی و تحلیل سناریو، استراتژی‌های مقاوم را پیشنهاد می‌دهند.

تلفیق اطلاعات احتمالی

پلتفرم‌های هوشمند تلفیق داده‌ها که سیگنال‌های حاصل از حسگرها، عامل‌ها یا جریان‌های اطلاعاتی متعدد را ترکیب می‌کنند تا آگاهی موقعیتی یکپارچه‌ای را همراه با عدم قطعیت کمّی‌سازی‌شده و تخمین‌های قابلیت اطمینان ارائه دهند.

مدل‌سازی احتمالی سیستم‌ها

استفاده از برنامه‌نویسی احتمالی برای ایجاد مدل‌های احتمالی از سیستم‌های صنعتی، شبکه‌های لجستیک یا محیط‌های عملیاتی که عدم قطعیت دنیای واقعی را شبیه‌سازی می‌کنند..

پلتفرم‌های تصمیم‌گیری هوش ترکیبی

معماری‌های تصمیم‌گیری که مدل‌سازی احتمالی، متخصصان حوزه و مدل‌های زبانی بزرگ (LLMها) را برای بهبود تصمیم‌گیری‌های استراتژیک و عملیاتی ترکیب می‌کنند.

تداوم سنت یادگیری آزاد

ما ثمره جوامع، منتورها و مؤسساتی هستیم که دانش پیشرفته خود را بدون هیچ هزینه‌ای با ما به اشتراک گذاشتند. با پیروی از الگوی آن‌ها، متعهد هستیم دوره‌ها و کارگاه‌هایی در زمینه یادگیری ماشین احتمالی و محاسبات علمی برای دانشگاه‌ها و مؤسسات برگزار کنیم؛ مشروط بر اینکه این دوره‌ها برای تمامی شرکت‌کنندگان کاملاً رایگان باقی بمانند.

پروژه‌ها / انتشارات

زاگرس

یک فریم‌ورک بهینه‌سازی موازی و توزیع‌شده برای کلاسترهای HPC

زاگرس یک فریم‌ورک بهینه‌سازی جعبه‌سیاه (black-box) است که برای کلاسترهای HPC طراحی شده است. این فریم‌ورک به کاربران اجازه می‌دهد الگوریتم جستجوی خود را با استفاده از زبانی به نام دنا (Dena) بیان کنند. پس از طراحی الگوریتم جستجو، می‌توانید آن را روی کلاسترهای HPC اجرا کرده و همزمان از موازی‌سازی ترکیبی بهره‌مند شوید. دنا کامپوننت‌های مختلفی را برای طراحی بهینه‌سازهای سفارشی به روشی کارآمد فراهم می‌کند.

بیان الگوریتم‌های جستجوی پیچیده و دلخواه شما در دنا
اجرای الگوریتم جستجوی طراحی‌شده روی چندین نود
بهره‌مندی از موازی‌سازی ترکیبی: چندنخی (Multi-Threading) + ارسال پیام (Message Passing)
بهینه‌سازی بلوکی برای روش‌های بهینه‌سازی با مصرف حافظه بالا

HPC بهینه‌سازی محاسبات موازی محاسبات توزیع‌شده محاسبات علمی

C++ MPI TBB

گیت‌هاب صفحه اصلی

@software{RockyML,
    author = {Asadi, Amirabbas},
    doi = {10.5281/zenodo.7612838},
    month = {2},
    title = {{RockyML, A Scientific Computing Framework for Non-smooth Machine Learning Problems}},
    url = {https://github.com/amirabbasasadi/RockyML},
    year = {2023}
}