关于“用变分自回归网络求解统计力学”的评论：引入saVANt——由重要性抽样与MCMC抽样增强的VANs
统计力学
2019-03-27 v1 机器学习
机器学习
摘要
在本文对Wu等人所著“利用变分自回归网络求解统计力学”的评论中，我们提出了一种微妙却强有力的对其方法的改进。我们表明，其方法固有的抽样误差可通过基于神经网络MCMC或重要性抽样来校正，从而得到物理量的渐近无偏估计量。这一改进之所以可行，源于VANs的一个独特性质，即它们提供精确的样本概率。借助这些改进，我们相信他们的方法可对物理学多个重要领域产生更显著的影响，包括强相互作用场论与统计物理。
引用
@article{arxiv.1903.11048,
title = {Comment on "Solving Statistical Mechanics Using VANs": Introducing saVANt - VANs Enhanced by Importance and MCMC Sampling},
author = {Kim Nicoli and Pan Kessel and Nils Strodthoff and Wojciech Samek and Klaus-Robert Müller and Shinichi Nakajima},
journal= {arXiv preprint arXiv:1903.11048},
year = {2019}
}
备注
6 pages, 4 figures