Simulation-based inference with scattering representations: scattering is all you need

要約

画像 (フィールドレベルなど) を使用したシミュレーションベースの推論 (SBI) において、さらなる圧縮を行わずに散乱表現をうまく使用できることを、宇宙論的なケーススタディで示します。
散乱表現は、後続の学習タスクに非常に効果的な表現空間を提供しますが、高次元の圧縮空間では課題が生じます。
私たちは、より表現力豊かな密度推定器と組み合わせた空間平均化によってこれらを克服します。
代替手法と比較して、このようなアプローチはトレーニングや導関数の計算に追加のシミュレーションを必要とせず、解釈可能であり、共変量シフトに対する回復力があります。
予想どおり、散乱のみのアプローチにより、従来の 2 次要約統計量よりも多くの情報が抽出されることがわかりました。

要約(オリジナル)

We demonstrate the successful use of scattering representations without further compression for simulation-based inference (SBI) with images (i.e. field-level), illustrated with a cosmological case study. Scattering representations provide a highly effective representational space for subsequent learning tasks, although the higher dimensional compressed space introduces challenges. We overcome these through spatial averaging, coupled with more expressive density estimators. Compared to alternative methods, such an approach does not require additional simulations for either training or computing derivatives, is interpretable, and resilient to covariate shift. As expected, we show that a scattering only approach extracts more information than traditional second order summary statistics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google