基于流匹配后验估计（FMPE）的机器学习方法比神经后验估计（NPE）更准确，但比嵌套采样方法稍低。将FMPE和NPE与重要性采样相结合，准确性和模拟效率均优于嵌套采样。基于仿真和基于似然的重要性采样提供了准确高效的大气检索框架，可用于分析现有望远镜的观测数据和新任务的开发。

该文介绍了一种基于模拟的推断方法，使用通用的Kullback-Leibler散度优化方法处理非规范化分布，将神经后验估计方法和神经比率估计方法统一为一个目标。同时，研究了一个混合模型，通过学习规范化基础分布和学习比率来同时发挥两者的优势，并给出了基准结果。