베이지안 역문제의 효율적 해결을 위한 플로우 매칭과 트랜스포머의 결합

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

March 3, 2025

저자: Daniil Sherki, Ivan Oseledets, Ekaterina Muravleva

cs.AI

초록

베이지안 역문제를 효율적으로 해결하는 것은 사후 분포의 복잡성과 전통적인 샘플링 방법의 계산 비용으로 인해 여전히 중요한 과제로 남아 있습니다. 일련의 관측값과 순방향 모델이 주어졌을 때, 우리는 관측된 실험 데이터에 조건부로 매개변수의 분포를 복구하고자 합니다. 우리는 조건부 흐름 매칭(Conditional Flow Matching, CFM)을 트랜스포머 기반 아키텍처와 결합함으로써, 가변적인 수의 관측값에 조건부로 이러한 종류의 분포에서 효율적으로 샘플링할 수 있음을 보여줍니다.

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.