离平衡物理生成模型的局部学习规则
机器学习
2025-08-28 v3 介观与纳米尺度物理
新兴技术
神经与进化计算
摘要
我们表明，得分生成模型 (SGM) 的非平衡驱动协议可通过局部学习规则来学习。相对于驱动协议参数的梯度可直接从力测量值或观察到的系统动力学中计算。作为演示，我们在一网络中实现了 SGM，该网络由驱动的、非线性的、阻尼振荡器组成，这些振荡器与热浴耦合。我们首先将其用于从二维两个高斯混合分布中进行抽样的问题。最后，我们在 12x12 振荡器网络上训练 MNIST 数据集，以生成手写数字 0 和 1 的图像。
引用
@article{arxiv.2506.19136,
title = {Local Learning Rules for Out-of-Equilibrium Physical Generative Models},
author = {Cyrill Bösch and Geoffrey Roeder and Marc Serra-Garcia and Ryan P. Adams},
journal= {arXiv preprint arXiv:2506.19136},
year = {2025}
}
备注
6 pages, 2 figures