베이지안 최적화(BO)는 획득 함수를 최대화하여 효율적으로 고성능 파라미터를 찾습니다. 획득 함수 최적화에서 발생하는 주요 계산 병목 현상은 획득 함수의 비볼록성으로 인해 준 뉴턴(QN) 방법을 사용하는 다중 시작 최적화(MSO)가 필요하다는 것입니다. BoTorch는 여러 지점에서 합산된 획득 함수를 최적화하여 PyTorch 배치로 인해 MSO의 속도를 향상시킵니다. 그러나 이 논문은 QN 방법의 역 헤세 행렬에서 비대각선 근사 오차로 인해 이 접근 방식이 하위 최적임을 경험적으로 보여줍니다. 이는 수렴 속도를 늦춥니다. 이러한 문제를 해결하기 위해, 이 논문은 획득 함수 호출을 배치 처리하는 동시에 코루틴을 사용하여 QN 업데이트를 분리하는 방법을 제안합니다. 이 접근 방식은 순차적 MSO와 이론적으로 동일한 수렴을 얻을 뿐만 아니라 이전 접근 방식에 비해 획기적으로 런타임을 줄입니다.
