大规模复合优化的随机算法：以单次 X-FEL 成像为例
最优化与控制
2024-01-25 v1
摘要
我们将最近开发的分析随机算法收敛性的框架应用于大规模非凸复合优化的一般问题，特别是非凸似然最大化。我们的理论在随机梯度下降算法上得到了验证，该算法用于从分子散射振幅的随机样本中确定分子的电子密度。在理想化的合成示例上的数值结果提供了概念验证。这为广泛的算法可能性打开了大门，并为评估和比较不同策略提供了基础。虽然本案例研究非常具体，但它具有易于转移到许多当前关注的问题（特别是在机器学习中）的结构。
引用
@article{arxiv.2401.13454,
title = {Stochastic Algorithms for Large-Scale Composite Optimization: the Case of Single-Shot X-FEL Imaging},
author = {D. Russell Luke and Steffen Schultze and Helmut Grubmüller},
journal= {arXiv preprint arXiv:2401.13454},
year = {2024}
}
备注
20 pages, 10 figures