要旨: 潜在拡散モデルのエンドツーエンド学習のための、新しい粒子ベースのアルゴリズムを提案します。学習課題を自由エネルギー汎関数の最小化として再定式化し、それを行う勾配フローを得ます。後者を相互作用する粒子の系で近似することによりアルゴリズムを得て、誤差保証を与えることで理論的にその根拠を示します。新しいアルゴリズムは、実験において、既存の粒子ベース手法および変分推論の類似手法と比べて良好に比較されます。
相互作用する粒子アルゴリズムを用いた潜在拡散モデルの学習
arXiv stat.ML / 2026/3/31
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、潜在拡散モデルを「粒子ベース」の新しい手法でエンドツーエンドに学習するためのアルゴリズムを提案しています。
- 学習目標を自由エネルギー汎関数の最小化として再定式化し、その最小化を実現する勾配フローを導出しています。
- この勾配フローを相互作用する粒子系で近似することで実際の学習アルゴリズムを構成し、理論的には誤差保証を与えています。
- 実験では、本手法が既存の粒子ベース手法や変分推論に類似した手法と比較して有利であることを報告しています。
