迷失在潜空间：潜扩散模型用于物理仿真模拟的实证研究
机器学习
2025-11-04 v4 流体动力学
摘要
扩散模型在推理时高昂的计算成本阻碍了其作为快速物理仿真模拟器的使用。在图像和视频生成的背景下，这种计算缺陷已通过在自编码器的潜空间而非像素空间中进行生成来解决。在这项工作中，我们研究了类似的策略是否可以有效地应用于动力系统的仿真模拟，以及其代价如何。我们发现，潜空间仿真模拟的准确性对各种压缩率（高达1000倍）都出奇地鲁棒。我们还表明，基于扩散的仿真模拟器始终比非生成式的对应物更准确，并通过更大的多样性来补偿其预测中的不确定性。最后，我们涵盖了从架构到优化器的实际设计选择，我们发现这些选择对于训练潜空间仿真模拟器至关重要。
引用
@article{arxiv.2507.02608,
title = {Lost in Latent Space: An Empirical Study of Latent Diffusion Models for Physics Emulation},
author = {François Rozet and Ruben Ohana and Michael McCabe and Gilles Louppe and François Lanusse and Shirley Ho},
journal= {arXiv preprint arXiv:2507.02608},
year = {2025}
}