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。
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