新的SESaMo方法通过引入对称性来增强生成模型

研究人员推出了一种新的正态流技术SESaMo，该技术融入了对称性等归纳偏置。这种称为对称强制随机调制的方法增强了生成模型的灵活性，使其能够学习各种精确和破缺的对称性。SESaMo已在包括8个高斯混合模型以及$\\phi^4$和Hubbard模型等场论的场景中进行了基准测试。 AI

影响 增强了生成模型学习对称性的能力，可能改进其在物理学和化学中的应用。

排序理由 详细介绍正态流新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Janik Kreit
• ScienceCast
• SESaMo
• Symmetry-Enforcing Stochastic Modulation

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →