Краткое содержание

arXiv:2506.01502v2 Тип объявления: замена-перекрёстная публикация Аннотация: Изучение динамики популяций включает восстановление лежащего в основе процесса, управляющего эволюцией частиц, исходя из выборочных снимков эволюции в дискретные моменты времени. Современные методы формулируют эту проблему как минимизацию энергии в пространстве вероятностей и используют известный метод Джордона-Киннера-Отона (JKO) для эффективного разбиения по времени. В данной работе мы представляем iJKOnet — подход, объединяющий схему JKO с методами обратной оптимизации для изучения динамики популяции. Наш метод основан на стандартном процедуре обучения end-to-end с использованием состязательной модели и не требует жёстких архитектурных ограничений, таких как использование входно-выпуклых нейронных сетей. Мы доказываем теоретические гарантии нашего подхода и демонстрируем улучшенные результаты по сравнению с предыдущими методами, основанными на схеме JKO.