Thermalizer:时空混沌的自回归神经模拟的稳定化方法

时空系统的自回归代理模型(或称\textit{模拟器})提供了一种快速近似预测的途径,在科学与工程领域具有广泛的应用。然而,在推理阶段,这些模型通常无法在长时间滚动预测中保持稳定,因为误差累积会导致轨迹发散。本质上,模拟器在分布外运行,而在在线分布的控制在大规模场景下很快变得难以处理。为解决这一根本性问题,我们聚焦于具有不变测度的时间平稳系统,利用扩散模型获得该不变测度分数的隐式估计量。我们证明,这一分数函数模型可通过在推理过程中施加在线去噪来稳定自回归模拟器的滚动预测,我们将这一过程称为\textit{热化}(thermalization)。在表现出湍流与混沌行为的复杂系统中,对模拟器滚动进行热化可将稳定预测的时间范围扩展一个数量级,为扩散模型在神经模拟领域的应用开辟了新途径。