有效地将 SciPy 优化方法应用于数组

如何解决有效地将 SciPy 优化方法应用于数组

下面的方程 f(x,a,b) 需要一个迭代解决方案，为此我使用了一种 scipy 优化方法 ('brentq')，它本质上是计算 f(x,b)=0。

但是，我需要使用 'a' 和 'b' 的数组输入，并且数组非常大，例如可能高达 1-1 亿。

使用 scipy/numpy 执行此操作最有效/最快的方法是什么？目前，我正在使用 for 循环，如下所示，但是对于我的实际基础方程（未显示），这变得很慢。请注意，数组中的每一行都相互独立。

import numpy as np
from scipy import optimize
    
# function to solve (simplified)
def f(x,b): return (a/x)**0.25 * (x**0.5) - b*x 

# array size
N = 10000000 

# example input arrays from which 'a' and 'b' are taken (in reality values come from other complex functions)
A = np.linspace(1,500,N) 
B = np.linspace(0.1,1,N)

# solution using brentq
results = [optimize.brentq(f,1e10,1000,args=(a,b)) for a,b in zip(A,B)]
results