生成对抗对称发现
机器学习
2023-06-21 v4
摘要
尽管等变神经网络在科学应用中取得了成功，但它们需要事先知道对称群。然而，在实践中可能难以确定应使用哪种对称作为归纳偏置。强制施加错误的对称甚至可能损害性能。在本文中，我们提出了一个框架 LieGAN，利用类似于生成对抗训练的范式从数据集中自动发现等变性。具体而言，生成器学习一组应用于数据的变换，这些变换保持原始分布并欺骗判别器。LieGAN 将对称表示为可解释的李代数基，并能在轨迹预测和顶夸克标记任务中发现各种对称，如旋转群 、受限洛伦兹群 。学习到的对称也可直接用于多个现有等变神经网络中，以提升预测的精度与泛化能力。
引用
@article{arxiv.2302.00236,
title = {Generative Adversarial Symmetry Discovery},
author = {Jianke Yang and Robin Walters and Nima Dehmamy and Rose Yu},
journal= {arXiv preprint arXiv:2302.00236},
year = {2023}
}