TL;DR

  • 이 라이브러리는 PyTorch에서 전방 모드를 고차 도함수로 일반화한 Taylor 모드 자동 미분을 구현하며, JAX의 jax.experimental.jet와 유사함.
  • 저장소에는 Taylor 모드를 여러 실용 미분 연산자에서 더 빠르게 만드는 NeurIPS 2025 논문 「Collapsing Taylor Mode Automatic Differentiation」의 파이썬 기능, 실험 코드, LaTeX 원본이 포함됨.
  • 설치 명령은 pip install jet-for-pytorch임.
  • jet 함수는 입력값과 도함수 방향을 담은 튜플을 받아 함수값과 고차 도함수를 계산하며, 예시에서는 세 번째 도함수를 구함.
  • 지원 연산자는 계속 확장 중이며, 피드백·이슈 등록·풀 리퀘스트를 통한 기여를 요청함.

개요

  • Taylor 모드 자동 미분 라이브러리는 전방 모드를 고차 도함수로 일반화한 Taylor 모드를 PyTorch로 구현함.
  • JAX의 jax.experimental.jet와 유사함.
  • 저장소에는 여러 실용 미분 연산자에서 Taylor 모드를 더 가속하는 방법을 다룬 NeurIPS 2025 논문 「Collapsing Taylor Mode Automatic Differentiation」의 파이썬 기능, 실험 코드, LaTeX 원본이 포함됨.
  • 연산자 지원 범위가 계속 늘어나고 있으며, 피드백 제공, 이슈 등록, 풀 리퀘스트 제출을 요청함.

시작하기

설치

  • pip install jet-for-pytorch 명령으로 설치함.

빠른 시작

  • jet 함수로 스칼라 함수의 세 번째 도함수를 계산하는 예시임.
  • 예시 함수는 f(x) = x⁴이며, 세 번째 도함수는 24 × x임.
  • 입력 x에 대해 첫 번째 도함수 방향에는 1을, 두 번째와 세 번째 방향에는 0을 전달함으로써 f₃가 f'''(x)에 대응하도록 구성함.
  • x = 2에서 계산한 세 번째 도함수가 직접 계산한 24 × x와 일치하는지 allclose로 확인함.
  • 지원 연산자 전체 목록은 소개 튜토리얼의 지원 연산자 섹션에서 확인 가능함.

예시

  • 예시는 문서에서 확인 가능함.

인용

  • 연구에서 jet 패키지를 활용하는 경우 다음 논문 인용을 고려할 수 있음.
  • 논문 제목: Collapsing Taylor Mode Automatic Differentiation
  • 저자: Felix Dangel, Tim Siebert, Marius Zeinhofer, Andrea Walther
  • 연도: 2025
  • 학회: Advances in Neural Information Processing Systems (NeurIPS)