Python中更快的n维插值和模拟

Question

我正在用Python编写一些软件，允许用户运行模拟，包括简单的加法、乘法和任意维数的插值。在这个过程中，函数必须在N维网格上重复（和顺序地）加法、乘法和插值。我必须在一个循环中执行此操作，因为在每次迭代中，结果都依赖于上一次迭代（它们不可并行化）。在一维情况下，它看起来像

T = 1000000000
b = 0
for t in range(T):
    b = b * f(b) + np.random.randn()
    b = b + f(b)

上面代码中的f是由用户提供的数据和网格创建的一个插入式。在每次迭代中，使用相同的插入项。在

首先想到的是使用numba来加速循环。但是，为了能够在N维网格上进行插值，我必须使用scipy.interpolate.RegularGridInterpolator，但是使用它会阻止我在nopython模式下运行numba。我知道有this package允许更快的插值，但我不确定是否可以在nopython模式下使用它。另外，我想知道是否还有其他方法可以克服这个瓶颈？非常感谢任何帮助。在