EvoGP ट्री-आधारित जेनेटिक प्रोग्रामिंग (TGP) के GPU त्वरण के लिए एक उच्च-प्रदर्शन ढांचा है। TGP की कम्प्यूटेशनल रूप से गहन प्रकृति को देखते हुए, EvoGP को तीन प्रमुख मुद्दों को संबोधित करने के लिए प्रस्तावित किया गया है: संरचनात्मक विविधता, बहु-स्तरीय समानांतरता को एकीकृत करने की जटिलता, और उच्च-प्रदर्शन CUDA निष्पादन और लचीले पायथन-आधारित वातावरण के बीच असंगति। यह एक टेंसर प्रतिनिधित्व का उपयोग करके इन मुद्दों को संबोधित करता है जो चर-आकार के पेड़ों को निश्चित-रूप मेमोरी-संरेखित सरणियों के रूप में एन्कोड करता है, एक अनुकूली समानांतरता रणनीति जो डेटासेट आकार के आधार पर इंट्रा-ऑब्जेक्ट और इंटर-ऑब्जेक्ट समानांतरता को गतिशील रूप से जोड़ती है, और PyTorch रनटाइम में कस्टम CUDA कर्नेल का एकीकरण करती है। प्रायोगिक परिणाम दिखाते हैं कि EvoGP अत्याधुनिक GPU-आधारित TGP कार्यान्वयनों की तुलना में 140x तक की गति प्राप्त करता है, जबकि प्रतिस्पर्धी सटीकता बनाए रखता है और बड़े जनसंख्या आकारों पर स्केलेबिलिटी में काफी सुधार करता है। EvoGP ओपन सोर्स है और GitHub पर उपलब्ध है।
