反问题相关 AI 资讯 · AI 热点

7月8日

10:09

10:09

官方账号arXiv cs.LG@Fabian Schneider, Tapio Helin, Leila Taghizadeh

该论文针对高维贝叶斯反问题中传统MCMC计算成本高的问题，提出通过最小化真实后验与近似后验之间的KL散度来训练神经似然代理。作者证明，使用未归一化势并将归一化纳入训练目标后，学习问题变为严格凸优化。理论表明，随着样本量增大，数据驱动目标的经验最小化器收敛到真实似然。数值实验在去模糊和非线性PDE成像问题上验证了该方法。

论文 Bayesian Inverse Problems Neural Likelihood 凸优化反问题概率推断

推荐理由：这篇论文给神经似然逼近奠定了凸优化理论基础，证明训练目标严格凸且样本量增大时收敛，适合数学基础扎实的研究者了解新方法。

7月2日

12:14

12:14

官方账号arXiv cs.LG@Meenakshi Krishnan, Pranav Pulijala, Ke Chen, Haizhao Yang, Ramani Duraiswami

GAIA 是一种几何自适应积分自编码器，用于任意几何域上的偏微分方程正问题和反问题的算子学习。它通过将几何边界和内部场分布编码为几何令牌，并利用交叉注意力机制使积分变换核局部适应几何特征，无需重新训练或迭代优化。在 7 个 2D 和 3D 基准测试中，包括电机阻抗断层扫描（EIT）、光学断层扫描、变化几何上的 3D Darct 流以及机械零件泊松 BVP 基准（MCB），GAIA 在所有反问题和 BVP 任务上取得 SOTA。与次优方法相比，在机翼流重建任务中降低了 64% 的中位相对 L2 误差，在 EIT 上降低了 27%，且在 MCB 每个形状类别上超越所有基线。

论文 GAIA operator learning PDE geometry-adaptive 反问题

推荐理由：GAIA 能用一个模型同时搞定正反问题，在七种几何任务上都拿了第一，尤其反问题精度提升明显，做 PDE 模拟的可以看看。