利用神经采样器对物理可观测量进行渐近无偏估计

我们提出了一个利用生成式神经采样器估计可观测量的通用框架，重点关注能够提供精确采样概率的现代深度生成式神经网络。在此框架下，我们给出了针对通用可观测量的渐近无偏估计量，包括那些显式依赖于配分函数（如自由能或熵）的量，并推导了相应的方差估计量。我们通过对二维伊辛模型的数值实验展示了其实用性，实验突显了相对于现有方法的优越性。我们的方法极大地增强了生成式神经采样器在真实世界物理系统中的应用能力。