ベイズ逆問題の効率的な解法のためのフローマッチングとトランスフォーマーの統合

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

March 3, 2025

著者: Daniil Sherki, Ivan Oseledets, Ekaterina Muravleva

cs.AI

要旨

ベイズ逆問題を効率的に解決することは、事後分布の複雑さと従来のサンプリング手法の計算コストの高さから、依然として大きな課題となっています。一連の観測値と順モデルが与えられた場合、観測された実験データを条件としたパラメータの分布を復元することが目的です。本論文では、Conditional Flow Matching (CFM) とトランスフォーマーベースのアーキテクチャを組み合わせることで、可変数の観測値を条件としたこの種の分布から効率的にサンプリングできることを示します。

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.