如何使用Numba在SciPy中使用任意数量的变量和参数执行多重集成？

Question

我想使用Numba装饰多重积分的被积分，以便SciPy的Nquad函数可以将它作为LowLevelCallable进行调用。理想情况下，装饰器应允许使用任意数量的变量，以及Nquad的args参数中任意数量的其他参数。这是从今年初以来出色的问答环节建立的，但是扩展到了多个变量和参数的情况。

例如，假设以下具有N个变量和K个参数的多重积分：

以下代码有效，但仅适用于两个变量和两个参数（N = 2，K = 2）。它不适用于更一般的情况。这是因为装饰器中的某些参数是手动枚举的（包装函数内部的xx [0]，xx [1]，xx [2]，xx [3] ）。装饰器将必须针对每个不同数量的变量或参数进行编辑。如果可能的话，我想避免这种情况。请注意，被积函数本身利用了Numpy对象和方法，因此不会出现此问题。

import numpy as np

import scipy.integrate as si

import numba

from numba import cfunc,carray

from numba.types import intc, CPointer, float64

from scipy import LowLevelCallable

def jit_integrand_function(integrand_function):

    jitted_function = numba.jit(integrand_function, nopython=True)

    @cfunc(float64(intc, CPointer(float64)))

    def wrapped(n, xx):

        return jitted_function(xx[0], xx[1], xx[2], xx[3])

        #xx = carray(xx,len(xx))

        #return jitted_function(xx)

    return LowLevelCallable(wrapped.ctypes)

@jit_integrand_function

def integrand(*args):

    d = np.array([args])

    return -np.exp(d.prod())

#Two variable, two parameter example

parms = np.array([2,3])

print si.nquad(integrand,[[0,1],[0,1]],parms)

理想的代码将只使用一个装饰上积函数也运行：

#Three variable, three parameter example

parms2 = np.array([1,2,3])

print si.nquad(integrand,[[0,1],[0,1],[0,1]],parms2)

Numba文档引用了carray函数，在给定回调中的低级指针和数组大小时，该函数应返回Numpy数组。可能的是，这可以用于推广超出二变量二参数情况的代码。我（未成功）尝试实现这一点的是在两行注释掉的代码行中。

帮助将不胜感激。实际上，一位Numba开发人员指出SciPy集成是编写Numba的原因之一，但是缺少该领域的文档和示例。