动力测量传输和神经 PDE 求解器用于采样
原文中文，约400字，阅读约需1分钟。发表于：。通过确定性或随机演化的偏微分方程（PDEs）描述的原则性统一框架，本文解决了从一个可处理的密度函数电运输到目标的任务，该框架包含了基于轨迹的传统采样方法，如扩散模型、Schrödinger 桥，而不依赖于时间反演的概念，并通过提出新的数值方法来解决传输任务，从而在没有标准化常数或数据样本的情况下采样复杂目标，我们使用物理信息神经网络（PINNs）来逼近相应的 PDE...
本文提出了一种通过确定性或随机演化的偏微分方程（PDEs）描述的原则性统一框架，解决了从一个可处理的密度函数电运输到目标的任务。该框架使用物理信息神经网络（PINNs）来逼近相应的PDE解，具有高准确度的采样能力。
