基于 PID 控制的 Langevin 动力学加速生成模型采样

Langevin 动力学采样存在极低的生成速度，受限于大量细粒度迭代才能收敛到目标分布。我们引入 PID 控制 Langevin 动力学 (PIDLD)，一种新的采样加速算法，通过控制理论原理重新诠释采样过程。将能量梯度视为反馈信号，PIDLD 结合历史梯度（积分项）和梯度趋势（微分项），高效遍历能量景观并自适应稳定，从而显著减少产生高质量样本所需的迭代次数。我们的 метод无需额外训练、数据集或先验信息，即可立即集成到任何基于 Langevin 的方法中。广泛的实验在图像生成和推理任务上表明，PIDLD 在更少的步骤中实现更高的质量，使基于 Langevin 的生成模型在效率关键型应用中更加实用。实现代码可在 \href{https://github.com/tsinghua-fib-lab/PIDLD}{https://github.com/tsinghua-fib-lab/PIDLD} 查看。