OpenBLAS

Lineare Algebra - oder das Lösen von Gleichungen mit denselben unbekannten Variablen - ist das Herzstück vieler Anwendungen in Wissenschaft und Technik, sei es die Simulation komplexer Systeme in der Physik oder Biochemie, Anwendungen des maschinellen Lernens oder scheinbar einfache Bildtransformationen. OpenBLAS ist derzeit die führende Open-Source-Implementierung einer optimierten linearen Algebra-Bibliothek. Angesichts der weiten Verbreitung der Programmiersprache Python nutzen viele Anwendungen OpenBLAS nicht direkt, sondern verlassen sich auf die Funktionen der NumPy- und/oder SciPy-Pakete, die wiederum von OpenBLAS abhängen und eine breite Palette von Endnutzeranwendungen ermöglichen. Allein NumPy hat eine geschätzte Nutzerbasis von weit über 5 Millionen.

Für Anwendungen in den Bereichen Statistik, maschinelles Lernen und wissenschaftliches Rechnen können sowohl Julia als auch R - Programmiersprachen, die in diesen Bereichen zusammen mit Python weit verbreitet sind - mit OpenBLAS erstellt werden. Einzelne Anwendungen reichen von spezialisierter Software im CERN-Labor bis hin zu Fotobearbeitungs-Add-ons für das beliebte Open-Source-Grafikprogramm GIMP. Die Homepage der NumPy-Website enthält Abschnitte über domänenspezifische Programme und ausführliche Anwendungsfälle. Diese reichen vom allerersten Bild eines schwarzen Lochs über Sportanalysen bis hin zu Deep Learning oder Tools für urbane Energiesysteme und digitale Fabrikation.

OpenBLAS ist aufgrund seiner weiten Verbreitung in den Programmiersprachen Python, Julia und R für verschiedene Bereiche der Wissenschaft und Forschung von entscheidender Bedeutung. NumPy, ein Paket, das mehrere in der Wissenschaft verwendete mathematische Funktionen kombiniert, ist eines der Pakete, die, wie oben beschrieben, von OpenBLAS abhängen. Julia und R sind ebenfalls wichtige Werkzeuge, die in der Forschung unverzichtbar sind. Die Sicherung und Verbesserung von OpenBLAS würde daher einer ganzen Reihe von wissenschaftlichen Anwendungsfällen zugutekommen und dient somit einem öffentlichen Interesse.

Trotz der weiten Verbreitung wird OpenBLAS von einem relativ kleinen Team gepflegt und gestaltet. Diese Investition wird sich auf nachhaltige Verbesserungen konzentrieren, bei der Entwicklung, Integration und dem Testen der Bibliothek , sowie auf zusätzliche Unterstützung für SciPy, eine relevante Dependency, womit wiederum Nutzen der OpenBLAS-Bibliothek weiter verbessert wird. Die geförderte Arbeit umfasst insbesondere Verbesserungen bei der Wartung und Erstellung, die Beseitigung von Engpässen, Verbesserung der Kompatibilität, die Behebung mehrerer bekannter Probleme, die Erstellung eines Benchmarks und den Einbau von Support für neue CPU-Typen und Funktionen.