論文の概要: Free Energy Evaluation Using Marginalized Annealed Importance Sampling
- arxiv url: http://arxiv.org/abs/2204.03784v1
- Date: Fri, 8 Apr 2022 00:19:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-11 12:43:35.183987
- Title: Free Energy Evaluation Using Marginalized Annealed Importance Sampling
- Title(参考訳): Marginalized Annealed Importance Smpling を用いた自由エネルギー評価
- Authors: Muneki Yasuda and Chako Takahashi
- Abstract要約: モデルの自由エネルギーの評価は、物理学や機械学習の様々な分野において重要な問題であると考えられている。
正確な自由エネルギー評価は、難解な分割関数を含むため、計算不可能である。
本研究は,mAISと呼ばれる新たなAISに基づくアプローチを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The evaluation of the free energy of a stochastic model is considered to be a
significant issue in various fields of physics and machine learning. However,
the exact free energy evaluation is computationally infeasible because it
includes an intractable partition function. Annealed importance sampling (AIS)
is a type of importance sampling based on the Markov chain Monte Carlo method,
which is similar to a simulated annealing, and can effectively approximate the
free energy. This study proposes a new AIS-based approach, referred to as
marginalized AIS (mAIS). The statistical efficiency of mAIS is investigated in
detail based on a theoretical and numerical perspectives. Based on the
investigation, it has been proved that mAIS is more effective than AIS under a
certain condition.
- Abstract(参考訳): 確率モデルの自由エネルギーの評価は、物理学や機械学習の様々な分野において重要な問題であると考えられている。
しかし、正確な自由エネルギー評価は、難解な分割関数を含むため、計算上不可能である。
annealed importance sampling (ais) は、マルコフ連鎖モンテカルロ法に基づく重要サンプリングの一種であり、シミュレーションアニーリングと類似しており、自由エネルギーを効果的に近似することができる。
本研究は,mAISと呼ばれる新たなAISベースのアプローチを提案する。
maisの統計効率は理論的および数値的な観点から詳細に研究されている。
調査の結果,mAISは特定の条件下でAISよりも有効であることが確認された。
関連論文リスト
- Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2~5倍の速さでトレーニングを行う。
論文 参考訳(メタデータ) (2024-02-09T01:11:23Z) - Energy Discrepancies: A Score-Independent Loss for Energy-Based Models [20.250792836049882]
本稿では,スコアの計算や高価なマルコフ連鎖モンテカルロの計算に頼らない新しい損失関数であるEnergy Discrepancy (ED)を提案する。
EDは明示的なスコアマッチングと負のログ類似損失に異なる限界でアプローチし,両者を効果的に補間することを示した。
論文 参考訳(メタデータ) (2023-07-12T19:51:49Z) - Glocal Energy-based Learning for Few-Shot Open-Set Recognition [57.84234213466372]
FSOR(Few-shot Open-set Recognition)は、非常に実用的なタスクである。
FSORのための新しいエネルギーベースハイブリッドモデルを提案する。
3つの標準FSORデータセットの実験は、我々のモデルの優れた性能を示している。
論文 参考訳(メタデータ) (2023-04-24T07:06:50Z) - Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。
MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する
我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文 参考訳(メタデータ) (2022-10-24T16:54:18Z) - Statistical quality assessment of Ising-based annealer outputs [0.0]
筆者らは,データのみに基づいて,Isingベースのアニーラーの出力の品質を統計的に検証した。
地中エネルギーと温度を3次までの累積関数として表現する。
このアプローチは、IsingベースのAnnealersの出力の一次検証のために簡単に実装可能なメソッドを提供する。
論文 参考訳(メタデータ) (2021-12-07T09:53:28Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Spatial Monte Carlo Integration with Annealed Importance Sampling [0.45687771576879593]
AISとSMCIを組み合わせたIsingモデルの期待値を評価するための新しい手法を提案する。
提案手法は高温領域と低温領域の両方で効率良く実行できる。
論文 参考訳(メタデータ) (2020-12-21T09:26:40Z) - Understanding Negative Sampling in Graph Representation Learning [87.35038268508414]
最適化目標と結果のばらつきを決定するためには, 正のサンプリングと同様に負のサンプリングが重要であることを示す。
我々は,自己コントラスト近似による正の分布を近似し,メトロポリス・ハスティングスによる負のサンプリングを高速化するメトロポリス・ハスティングス(MCNS)を提案する。
提案手法は,リンク予測,ノード分類,パーソナライズドレコメンデーションを含む,下流グラフ学習タスクをカバーする5つのデータセットに対して評価する。
論文 参考訳(メタデータ) (2020-05-20T06:25:21Z) - Computing Absolute Free Energy with Deep Generative Models [2.610895122644814]
状態の絶対自由エネルギーを計算するための一般的な枠組みを導入する。
計算の重要なステップは、抽出可能な深層生成モデルによる参照状態の定義である。
興味のある状態に対する自由エネルギーは、参照との違いとして決定することができる。
論文 参考訳(メタデータ) (2020-05-01T22:19:31Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳(メタデータ) (2020-02-12T11:10:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。