Turbo-Sim：具有物理潜空间的一般化生成模型
机器学习
2021-12-22 v2 高能物理 - 实验
机器学习
摘要
我们提出Turbo-Sim，一个源自信息论原理、可用作生成模型的一般化自编码器框架。通过最大化编码器与解码器的输入与输出之间的互信息，我们得以重新发现对抗自编码器和生成对抗网络（GAN）中常见的损失项，以及各类更复杂的关联模型。我们的一般化框架使这些模型在数学上可解释，并允许通过分别设置各项损失的权重来衍生多种新模型。该框架亦独立于编码器与解码器的内在架构，从而为整个网络的构建模块留下广泛选择。我们将Turbo-Sim应用于对撞机物理生成问题：将若干粒子在碰撞后理论空间中的属性变换至实验探测后观测空间中的属性。
引用
@article{arxiv.2112.10629,
title = {Turbo-Sim: a generalised generative model with a physical latent space},
author = {Guillaume Quétant and Mariia Drozdova and Vitaliy Kinakh and Tobias Golling and Slava Voloshynovskiy},
journal= {arXiv preprint arXiv:2112.10629},
year = {2021}
}
备注
8 pages, 2 figures, 1 table