Combinación de Flow Matching y Transformers para la Solución Eficiente de Problemas Inversos Bayesianos

Combining Flow Matching and Transformers for Efficient Solution of Bayesian Inverse Problems

March 3, 2025

Autores: Daniil Sherki, Ivan Oseledets, Ekaterina Muravleva

cs.AI

Resumen

Resolver problemas inversos bayesianos de manera eficiente sigue siendo un desafío significativo debido a la complejidad de las distribuciones posteriores y al costo computacional de los métodos tradicionales de muestreo. Dada una serie de observaciones y el modelo directo, buscamos recuperar la distribución de los parámetros, condicionada a los datos experimentales observados. Demostramos que, al combinar Conditional Flow Matching (CFM) con una arquitectura basada en transformadores, podemos muestrear eficientemente este tipo de distribución, condicionada a un número variable de observaciones.

English

Solving Bayesian inverse problems efficiently remains a significant challenge due to the complexity of posterior distributions and the computational cost of traditional sampling methods. Given a series of observations and the forward model, we want to recover the distribution of the parameters, conditioned on observed experimental data. We show, that combining Conditional Flow Mathching (CFM) with transformer-based architecture, we can efficiently sample from such kind of distribution, conditioned on variable number of observations.