Краткое содержание

arXiv:2506.16471v2 Тип объявления: замена-перекрёстная Аннотация: Эффективный отбор проб из целевой ненормированной плотности вероятности остаётся ключевой задачей, имеющей значение во множестве важных научных приложений. Обещающим подходом к решению этой проблемы является разработка амортизированных выборщиков, заимствующих ключевые идеи, такие как проектирование вероятностных путей, из современных моделей диффузионной генерации. Однако существующие методы отбора образцов на основе диффузии до сих пор неспособны получать образцы даже из распределений простых молекулярных систем. В данной работе мы предлагаем прогрессивное аннеалинговое обучение во время вывода (Progressive Inference-Time Annealing — PITA), новую методику обучения диффузионных выборщиков, объединяющую два взаимодополняющих метода интерполяции: I) Аннеалинг распределения Больцмана и II) Диффузионное сглаживание. PITA последовательно обучает последовательность моделей диффузии от высоких температур к низким путём последовательного обучения каждой модели при всё более высоких температурах, используя специально разработанные лёгкие способы получения образцов...