Combinando Flow Matching e Transformers para a Solução 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

Resumo

Resolver problemas inversos bayesianos de forma eficiente continua sendo um desafio significativo devido à complexidade das distribuições posteriores e ao custo computacional dos métodos tradicionais de amostragem. Dada uma série de observações e o modelo direto, nosso objetivo é recuperar a distribuição dos parâmetros, condicionada aos dados experimentais observados. Demonstramos que, ao combinar o Conditional Flow Matching (CFM) com uma arquitetura baseada em transformers, podemos amostrar eficientemente desse tipo de distribuição, condicionada a um número variável de observações.

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.