Wassersteinオートエンコーダと三角形トランスポートによる条件付きサンプリング

arXiv cs.LG / 2026/4/6

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、条件変数と被条件変数の両方における低次元構造を活用する条件付きシミュレーションのための枠組みとして、Conditional Wasserstein Autoencoders（CWAEs）を提案する。
それは、(ブロック-)三角形のデコーダ構造を用い、さらに潜在変数に独立性の仮定を適用することで、条件付きシミュレーションを可能にするようにWassersteinオートエンコーダを適応させている。
著者らは、CWAEsの理論的性質を調べており、条件付き最適輸送（OT）定式化との関連も含めて検討する。
彼らは、このCWAEのアイデアに基づく別の定式化に対応して、複数のアーキテクチャ改良案（3つのバリアント）とそれに対応するアルゴリズムを提案する。
数値実験では、特に条件付き測度のサポートが本当に低次元である場合に、低ランク・アンサンブルカルマンフィルタ（LREnKF）に比べて近似誤差が大幅に低減されることが示される。

Abstract

本稿では、条件変数と被条件変数の両方における低次元構造を活用する条件付きシミュレーションのための枠組みである条件付きワッサースタイン自己符号化器（Conditional Wasserstein Autoencoders, CWAEs）を提案する。主要なアイデアは、ワッサースタイン自己符号化器を（ブロック）三角形のデコーダを用いるように修正し、潜在変数に対して適切な独立性の仮定を課すことである。我々は、得られたモデルが、低次元構造を活用できる自己符号化器を与えると同時に、デコーダを条件付きシミュレーションに使用できることを示す。さらに、CWAEsのさまざまな理論的性質を調べ、特に条件付き最適輸送（Optimal Transport, OT）問題との関連について議論する。また、三つのアーキテクチャ的バリアントの基礎となる、アルゴリズムにつながる別表現を提示する。加えて、数値実験の一連を通じて、我々の異なるCWAEバリアントが、特に条件付き測度の台（support）が真に低次元である問題において、低ランクアンサンブルカルマンフィルタ（Low-Rank Ensemble Kalman Filter, LREnKF）に比べて近似誤差を大幅に低減することを示す。