GANISP：一种GAN辅助的重要性分裂概率估计器

设计具有高良率和强可靠性的制造工艺依赖于有效的稀有事件估计方法。系谱重要性分裂（genealogical importance splitting）通过迭代地选择和复制朝向稀有事件发展的实现来降低稀有事件概率估计器的方差。当应用于需要对子代实现的初始条件进行修改的确定性系统时，复制步骤是困难的。通常，对子代施加随机扰动以使其轨迹不同于父代实现。然而，这种随机扰动策略可能对某些系统有效，而对其他系统失效，从而阻碍概率估计中的方差缩减。本工作试图利用生成模型（如生成对抗网络（GAN））来生成与动力系统吸引子一致的扰动，以解决此局限。所提出的GAN辅助重要性分裂方法（GANISP）改善了目标系统的方差缩减。该方法的实现可在配套代码库中获取（https://github.com/NREL/GANISP）。