变分稀疏配对自编码器（vsPAIR）用于逆问题与不确定性量化
机器学习
2026-02-11 v2 数值分析
数值分析
摘要
逆问题是许多科学和工程领域的基本问题；当一个人试图从噪声测量中重建隐藏的、底层量时便产生逆问题。许多应用不仅需要点估计，还需要可解释的不确定性。提供快速推断并伴随不确定性估计仍具有挑战性且令人期待。我们提出变分稀疏配对自编码器（vsPAIR）以解决这一挑战。该架构将标准VAE编码观察与稀疏VAE编码感兴趣量配对，通过学习的潜在映射进行连接。变分结构使不确定性估计成为可能，配对架构通过将感兴趣量表示锚定到干净数据来鼓励可解释性，稀疏编码通过将信息浓缩到可识别因子而非在所有维度中扩散来提供结构。为验证我们提议的架构有效性，我们在盲填和计算机断层扫描上进行实验，表明vsPAIR是一种 capable 的逆问题求解器，可提供可解释且结构化的不确定性估计。
引用
@article{arxiv.2602.02948,
title = {Variational Sparse Paired Autoencoders (vsPAIR) for Inverse Problems and Uncertainty Quantification},
author = {Jack Michael Solomon and Rishi Leburu and Matthias Chung},
journal= {arXiv preprint arXiv:2602.02948},
year = {2026}
}