Renormalization Group Flow Matching

Renormalization Group Flow Matching enables scalable local generative AI

研究人员开发了重整化群流匹配（RGFM），一个新颖的生成模型框架，旨在解决计算成本与捕捉长程相关能力之间的权衡问题。RGFM利用重整化群理论的原理，跨越不同空间尺度来构建数据生成过程，逐步从大尺度结构生成到小尺度结构。这种方法实现了局部生成建模，其计算成本几乎与系统体积呈线性关系，同时仍能保持全局连贯性和长程依赖性，这一点在FFHQ等图像数据集上得到了验证。