面向分层模拟推断的令牌化流匹配
机器学习
2026-04-23 v1 人工智能
摘要
模拟器评估的成本是模拟推断 (SBI) 的一个关键实践瓶颈。在具有共享全局参数以及可交换的站点级参数和观测值的分层设置中，可以利用这种结构来提高模拟效率。现有的分层 SBI 方法对后验进行因子分解，但每个训练样本仍需跨多个站点进行模拟；我们转而探索似然因子分解 (LF)，以利用单站点模拟进行训练。在 LF 采样中，我们学习一个每个站点的模拟器神经代理，然后组合合成的多站点观测值，以摊销对整个分层后验的推断。在此基础上，我们提出了用于后验估计的令牌化流匹配 (TFMPE)，这是一种通过似然因子分解支持函数值观测的令牌化流匹配方法。为了进行系统性评估，我们引入了一个分层 SBI 基准。我们在该基准以及现实的传染病和计算流体动力学模型上验证了 TFMPE，发现其在降低计算成本的同时，获得了校准良好的后验。
引用
@article{arxiv.2604.20723,
title = {Tokenised Flow Matching for Hierarchical Simulation Based Inference},
author = {Giovanni Charles and Cosmo Santoni and Seth Flaxman and Elizaveta Semenova},
journal= {arXiv preprint arXiv:2604.20723},
year = {2026}
}
备注
31 pages, 11 figures