多层神经仿真推断
化学物理
2025-06-09 v1
摘要
神经仿真推断（SBI）是贝叶斯推断的流行方法集，当模型仅以仿真器形式可用时。这些方法在科学和工程中广泛使用，编写似然函数比构建仿真器困难得多。然而，神经 SBI 的性能会因仿真器计算昂贵而受到影响，从而限制可执行的仿真次数。在本文中，我们提出了一种新的神经 SBI 方法，利用多级蒙特卡洛技术处理多种成本和保真度不同的仿真器。我们通过理论分析和大量实验表明，我们的方法在固定计算预算下显著提高了 SBI 方法的准确性。
引用
@article{arxiv.2506.06088,
title = {High-Energy Reaction Dynamics of O$_3$},
author = {JingChun Wang and Juan Carlos San Vicente Veliz and Meenu Upadhyay and Markus Meuwly},
journal= {arXiv preprint arXiv:2506.06088},
year = {2025}
}