PulseAugur
实时 10:57:02

新的正则化方法提高了玻尔兹曼生成器训练效率

研究人员开发了一种名为“离策略对数散度正则化”(LDR)的新方法,以提高玻尔兹曼生成器的训练效率。这些生成器用于对物理系统中的平衡态进行采样。LDR通过引入目标能量标签,充当能量景观的形状正则化器,在各种基准测试中实现了高达一个数量级的样本效率提升。该框架用途广泛,支持不同类型的模拟数据集,甚至支持无需直接样本访问的变分训练。 AI

影响 提高了科学模拟中使用的生成式模型的数据效率,可能加速计算科学领域的研究。

排序理由 该集群包含一篇详细介绍生成模型训练新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的正则化方法提高了玻尔兹曼生成器训练效率

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Henrik Schopmans, Christopher von Klitzing, Pascal Friederich ·

    Efficient Training of Boltzmann Generators Using Off-Policy Log-Dispersion Regularization

    arXiv:2602.03729v3 Announce Type: replace Abstract: Sampling from unnormalized probability densities is a central challenge in computational science. Boltzmann generators are generative models that enable independent sampling from the Boltzmann distribution of physical systems at…