相互作用场匹配：克服静电模型的局限性
机器学习
2026-03-04 v3 人工智能
计算机视觉与模式识别
摘要
静电场匹配 (Electrostatic Field Matching, EFM) 最近作为一种利用电容器概念进行数据生成与迁移的新型物理启发范式而出现。然而，它要求使用神经网络对静电场进行建模，由于必须考虑电容器极板外部的复杂场，这并非易事。在本文中，我们提出了相互作用场匹配 (Interaction Field Matching, IFM)，作为 EFM 的推广，允许使用静电场之外的一般相互作用场。此外，受物理学中夸克与反夸克之间强相互作用的启发，我们设计了一种特定的相互作用场实现，解决了在 EFM 中对静电场进行建模时出现的问题。我们在一系列玩具数据与图像数据迁移问题上展示了其性能。我们的代码可在 https://github.com/justkolesov/InteractionFieldMatching 获取。
引用
@article{arxiv.2506.02950,
title = {Interaction Field Matching: Overcoming Limitations of Electrostatic Models},
author = {Stepan I. Manukhov and Alexander Kolesov and Vladimir V. Palyulin and Alexander Korotin},
journal= {arXiv preprint arXiv:2506.02950},
year = {2026}
}