中文

自适应路径积分扩散:AdaPID

机器学习 2025-12-16 v1 统计力学 人工智能 系统与控制 系统与控制 机器学习

摘要

基于扩散的采样器——基于得分的扩散、桥接扩散和路径积分扩散——在终端时间匹配目标,但真正的杠杆在于选择支配中间时间动力学的调度。我们为具有时变刚度的谐波 PID 开发了一个路径式调度选择框架,利用分段常数(PWC)参数化和简单的层次细化。我们引入对调度敏感的采样质量(QoS)诊断指标。假设高斯混合(GM)目标,我们保留闭合形式格林函数的比值以及数值稳定的、无需神经网络的预测状态映射和得分的预言器。2D 实验表明,QoS 驱动的 PWC 调度在固定积分预算下持续改善早期退出保真度、尾部准确性、动力学的条件化以及物种分化(标签选择)时机。

关键词

引用

@article{arxiv.2512.11858,
  title  = {Adaptive Path Integral Diffusion: AdaPID},
  author = {Michael Chertkov and Hamidreza Behjoo},
  journal= {arXiv preprint arXiv:2512.11858},
  year   = {2025}
}

备注

51 pages, 17 figures