Variational Inference via Smoothed Particle Hydrodynamics

要約

平滑化粒子流体力学 (SPH) に基づく新しい変分推論法である SPH-ParVI は、部分的に既知の密度 (たとえば、一定まで) のサンプリングまたは勾配を使用したサンプリングのために提案されています。
SPH-ParVI は、ターゲット密度によって駆動される外部効果の下での流体の流れをシミュレートします。
流体の過渡状態または定常状態は、目標密度に近似します。
連続流体は、SPH を介して相互作用粒子システム (IPS) としてモデル化され、各粒子は平滑化された特性を持ち、ナビエ・ストークス方程式に従って相互作用し、進化します。
このメッシュフリーのラグランジュ シミュレーション手法は、ベイジアン推論や生成モデリングで発生するような確率モデルのクラスに対して、高速、柔軟、スケーラブルで決定論的なサンプリングと推論を提供します。

要約(オリジナル)

A new variational inference method, SPH-ParVI, based on smoothed particle hydrodynamics (SPH), is proposed for sampling partially known densities (e.g. up to a constant) or sampling using gradients. SPH-ParVI simulates the flow of a fluid under external effects driven by the target density; transient or steady state of the fluid approximates the target density. The continuum fluid is modelled as an interacting particle system (IPS) via SPH, where each particle carries smoothed properties, interacts and evolves as per the Navier-Stokes equations. This mesh-free, Lagrangian simulation method offers fast, flexible, scalable and deterministic sampling and inference for a class of probabilistic models such as those encountered in Bayesian inference and generative modelling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google