无函数估计的数据生成方法

估计评分函数（或其他 population-density-dependent 函数）是大多数生成模型的基本组成部分。然而，这种函数估计在计算和统计上都具有挑战性。我们能否避免进行函数估计来进行数据生成？我们提出一种无估计的生成方法：一组点，其位置通过（逆）梯度下降确定性地更新，可在均场范畴内、无需函数估计、训练神经网络，甚至无需噪声注入，将均匀分布输送到任意数据分布。该方法建立在最近在粒子相互作用物理学中的进展基础上。我们在理论和实验方面都表明，这些进展可以被利用来开发新的生成方法。