PulseAugur
实时 09:45:36
English(EN) Functional Adjoint Sampler: Scalable Sampling on Infinite Dimensional Spaces

新的Functional Adjoint Sampler可在无限维度空间中实现可扩展采样

研究人员推出了一种新的方法——Functional Adjoint Sampler (FAS),用于从无限维度函数空间中的Gibbs分布进行采样。该技术基于Adjoint Sampling,并利用随机最优控制理论来高效模拟扩散过程的轨迹,特别是在罕见事件或边界约束的情况下。FAS在合成势能和真实分子系统(如Alanine Dipeptide和Chignolin)的过渡路径采样方面表现出卓越的性能。 AI

影响 这种新的采样方法有望改进分子动力学和其他复杂系统的模拟,从而可能加速药物发现和材料科学等领域的研究。

排序理由 该集群描述了一篇关于新采样方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 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Functional Adjoint Sampler可在无限维度空间中实现可扩展采样

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Byoungwoo Park, Juho Lee, Guan-Horng Liu ·

    Functional Adjoint Sampler: Scalable Sampling on Infinite Dimensional Spaces

    arXiv:2511.06239v2 Announce Type: replace Abstract: Learning-based methods for sampling from the Gibbs distribution in finite-dimensional spaces have progressed quickly, yet theory and algorithmic design for infinite-dimensional function spaces remain limited. This gap persists d…