关于scipy.optimize.minimize并行及全核利用的技术咨询

我使用scipy.optimize.minimize并指定method="BFGS"时，遇到了如下现象：理论上该函数在计算代价函数或数值梯度时似乎并未做并行化处理，但在8核Apple M1的Macbook Air上运行优化时，通过top命令观测到CPU使用率达750%-790%，所有8核均被占用；而在单节点40核的超级计算机上运行时，CPU使用率仅为100%-200%，仅用到2核。

现提出以下问题：

• 问题1：scipy.optimize.minimize在计算代价函数/数值梯度时是否会采用并行化？
• 问题2：若支持并行化，如何让scipy.optimize.minimize利用全部核心？

最小可复现示例代码 #

# 随机对称矩阵变分泛函的基础优化

import numpy as np
from numpy.random import uniform
from scipy.optimize import minimize

# 生成随机对称矩阵，用于计算最小特征值
N = 1000
H = uniform(-1, 1, [N,N])
H = H + H.T

# 变分代价函数
def cost(x):
    return (x @ H @ x) / (x @ x)

x0 = uniform(-0.1, 0.1, N)

# 使用BFGS最小化变分函数
minimize(cost, x0, method='BFGS')

内容的提问来源于stack exchange，提问作者Solarflare0