parallel tempering
PulseAugur coverage of parallel tempering — every cluster mentioning parallel tempering across labs, papers, and developer communities, ranked by signal.
-
新的ENCORE方法实现了扩散模型精确的并行控制
研究人员推出了一种新颖的ENCORE方法，用于扩散生成模型的精确并行控制。与先前需要大量粒子种群进行精确顺序控制或在并行控制中使用有偏近似的方法不同，ENCORE在并行设置下实现了精确性。该方法存储每个副本的生成轨迹，无需模拟即可实现精确的时间反转。ENCORE在生物分子采样和图像生成等各种应用中展示了具有竞争力的准确性和多样性，并且适用于其他方法失败的蒸馏采样器。
-
新的贝叶斯推理框架使用传输图改进后验采样
研究人员开发了一个新的源空间广义贝叶斯推理框架，该框架结合了高效的几步先验传输和后验稳定性保证。该方法使用改进的MeanFlow (iMF)图来表示先验，并在其高斯源空间内进行后验采样。该框架建立了精确后验和学习后验之间的Wasserstein误差界，并采用并行退火和预处理Crank-Nicolson更新，通过结合分裂哈密顿蒙特卡洛的混合变体来提高采样效率。实验证明了准确高效的后验近似，CLIP引导的ImageNet测试显示了其将图像…
-
新研究通过草稿树和副本交换加速扩散模型采样 · 跟踪到2个来源
两篇新研究论文提出了加速扩散模型采样的创新方法。第一篇论文《通过投机性草稿树加速扩散采样》引入了草稿树来改进候选考虑并减少昂贵的目标评估，实现了高达8.3%的加速。第二篇论文《METALICA: METAdynamics and repLICA exchange for enhanced diffusion sampling》提出了METALICA，一种将元动力学与副本交换结合在扩散模型上的方法，以更好地采样稀有事件，例如蛋白质构象转…
-
IsingFormer 使用学习建议增强 MCMC 采样
研究人员开发了 IsingFormer，这是一种新颖的基于 Transformer 的模型，旨在增强马尔可夫链蒙特卡洛 (MCMC) 方法，特别是并行退火 (PT)。该模型生成的建议显著提高了 MCMC 混合在采样和优化任务中的效率。在 3D 自旋玻璃实例上的测试中，Transformer-Augmented Parallel Tempering (TAPT) 框架实现了比标准 PT 更低的残余能量。此外，在扩展研究中，TAPT 证明…
-
BayesPO框架使用贝叶斯采样进行LLM提示优化
研究人员开发了BayesPO，一个用于优化大型语言模型提示的新框架，且无需更改模型参数。该方法将提示优化视为贝叶斯后验采样，将特定任务的奖励与语言模型先验相结合，以指导离散马尔可夫链蒙特卡洛提案。使用Qwen2.5模型的实验表明，BayesPO可以发现语义上有意义的提示，并提高诊断任务的准确性，尽管它目前面临计算成本和潜在过拟合的限制。