可扩展离散扩散采样器：组合优化与统计物理

本研究解决了在离散领域中从复杂非标准分布中采样的内存规模限制问题，提出了两种新颖的离散扩散采样器训练方法，分别基于策略梯度定理和自归一化神经重要性采样（SN-NIS）。研究结果表明，这些方法在无监督组合优化中取得了最佳效果，并首次将离散扩散模型应用于无偏采样问题，拓宽了此类模型在科学应用中的适用范围。