Aujourd'hui, IBM lance un nouvel appareil: IBM Bayesian Optimization Accelerator, conçu pour aider les équipes de produits et de conception à introduire plus rapidement des produits et des fonctionnalités en réduisant leur temps de conception pour générer de nouveaux et meilleurs produits. Les espaces problématiques avec lesquels les innovateurs de produits travaillent deviennent de plus en plus complexes. Nous constatons que nos clients exigent des réponses plus rapides, obligeant les équipes à réexaminer les meilleures pratiques actuelles et à envisager des méthodes alternatives, car «construire plus grand» ne sera pas une option éternelle. Les clients nous disent que les parties prenantes internes exigent que les solutions soient plus rapides, coûtent moins cher et soient plus précises que jamais. Pendant ce temps, le budget n’augmente pas pour répondre à tous les nouveaux besoins. Dans un monde parfait, qu'est-ce qui résoudrait tous ces défis? Les méthodes qui ne nécessitent pas de connaissance préalable d'un problème. La possibilité de tirer le meilleur parti de l'infrastructure en parallélisant les efforts et en consacrant moins de temps et de processeur est une réponse ultime. Des services faciles à utiliser qui peuvent faire face à une dimensionnalité élevée car le nom du jeu optimise des problèmes réels, pas de simples problèmes académiques. Une méthodologie traçable et non biaisée, en particulier dans les industries réglementées. En termes simples, la solution idéale pour ces défis croissants offrirait une innovation rapide et des résultats supérieurs tout en utilisant moins de ressources.
PRÉSENTATION D'UNE MANIÈRE PLUS EFFICACE: IBM BAYESIAN OPTIMISATION ACCELERATOR
Avec IBM Bayesian Optimization Accelerator, un outil d'optimisation des paramètres généraux de pointe créé sur la base des innovations de pointe de l'équipe IBM Research, les utilisateurs n'ont qu'à définir des variables de conception, des objectifs et des contraintes pour tirer parti d'un puissant moteur d'optimisation. Il s'agit d'un appareil accessible en tant que solution complète d'IBM, y compris le matériel, les logiciels et les services d'installation. En termes simples, IBM Bayesian Optimization Accelerator est conçu pour trouver la solution optimale aux problèmes de conception complexes et réels en moins de temps et en utilisant moins de ressources. Innovation rapide: l'accélérateur d'optimisation bayésien est conçu pour trouver rapidement des solutions avec une intégration initiale simple et rapide et des méthodes qui nécessitent moins d'entrées de départ et une mise à l'échelle en parallèle pour aider à réduire le temps nécessaire pour obtenir des résultats. Résultats supérieurs: l'accélérateur d'optimisation bayésien localise est la solution la plus optimale, 89% du temps avec des décisions d'optimisation traçables et explicables qui ne nécessitent aucune donnée préalable, évitant ainsi les biais. Moins de ressources: ces méthodes peuvent être appliquées sans compétences spécialisées en science des données et rendre l'infrastructure existante plus efficace, réduisant les coûts tout en répondant aux besoins de l'entreprise. La solution fonctionne en aidant le cluster HPC à savoir où chercher. Il se trouve en dehors du cluster HPC traditionnel et est dédié à l'exécution des méthodes d'optimisation bayésienne uniquement. Le cluster HPC enverra les valeurs des contraintes et des fonctions objectives à l'appareil, qui renverra de nouveaux emplacements dans l'espace de recherche pour trouver des solutions optimales.
QU'EST-CE QUI REND CETTE SOLUTION DIFFÉRENTE?
Les méthodes bayésiennes ne sont pas nouvelles dans le monde mathématique. Cependant, nous avons constaté que les méthodes bayésiennes standard et librement disponibles, telles que la recherche Greedy ou Monte Carlo, souffrent de plusieurs défis qui rendent l'application d'une méthodologie de recherche bayésienne à un problème de conception de produit difficile et souvent peu pratique. IBM Bayesian Optimization Accelerator peut s'adapter à des ordres de grandeur en nombre de dimensions, ce qui lui permet de s'attaquer aux problèmes du monde réel au lieu de problèmes simplistes. Et contrairement aux méthodes de recherche telles que les implémentations IBM des recherches Greedy et Monte Carlo, il détermine les points de conception avec beaucoup moins d'échantillons requis, ce qui lui permet d'obtenir des résultats plus rapidement et moins cher. En fait, dans les tests de comparaison exécutés par IBM Research, Bayesian Optimization Accelerator a atteint la solution de moindre regret dans le temps le plus rapide dans plus de 82% des expériences testées par IBM contre les implémentations IBM des algorithmes Greedy et Monte Carlo. Dans ces mêmes tests de comparaison, cette solution a fourni la réponse avec le moins de regret sur 89% du temps. Pour ce faire, il ne nécessite aucune connaissance préalable d'un problème de conception. Avec une méthode propriétaire de «bootstrapping», il peut démarrer une optimisation à partir de l'absence de données initiales, collecter des données d'initialisation par lui-même, puis démarrer le processus d'optimisation bayésien. En outre, Bayesian Optimization Accelerator fournit une interface «d'explicabilité» d'optimisation graphique pour les utilisateurs intéressés par la traçabilité de l'historique de conception du modèle et les choix d'optimisation pour aider à renforcer la confiance dans la méthodologie. Cela signifie que les scientifiques peuvent interroger l'optimiseur lors d'une expérience pour savoir pourquoi il a choisi d'évaluer les paramètres suggérés. IBM étudie déjà des domaines d'application pour cette technologie dans de nombreux secteurs, tels que l'aérospatiale, l'automobile, la conception électronique et le pétrole et le gaz. Dans la conception électronique, la propre équipe de recherche sur l'intégrité du signal d'IBM a utilisé l'accélérateur d'optimisation bayésien pour réduire le temps nécessaire pour réduire de 99,3% les simulations d'intégrité du signal, de près de huit jours à seulement 80 minutes. Pour atteindre des résultats de 61% en utilisant l'accélérateur d'optimisation bayésien pour identifier le mélange idéal de matériaux d'injection et de synchronisation dans les réservoirs afin de maximiser leurs rendements. Ces premiers résultats, ainsi que d’autres avec des équipes du monde entier, indiquent que le travail d’IBM Research en laboratoire produit déjà de réels résultats pour les entreprises et les aide à obtenir des résultats supérieurs plus rapidement et en utilisant moins de ressources.
