Объединение метода согласования потоков и трансформеров для эффективного решения байесовских обратных задач

Combining Flow Matching and Transformers for Efficient Solution of Bayesian Inverse Problems

March 3, 2025

Авторы: Daniil Sherki, Ivan Oseledets, Ekaterina Muravleva

cs.AI

Аннотация

Эффективное решение байесовских обратных задач остается серьезной проблемой из-за сложности апостериорных распределений и вычислительной затратности традиционных методов выборки. Имея серию наблюдений и прямую модель, мы стремимся восстановить распределение параметров, условное по наблюдаемым экспериментальным данным. Мы демонстрируем, что комбинирование метода Conditional Flow Matching (CFM) с архитектурой на основе трансформеров позволяет эффективно выполнять выборку из такого рода распределений, условных по переменному количеству наблюдений.

English

Solving Bayesian inverse problems efficiently remains a significant challenge due to the complexity of posterior distributions and the computational cost of traditional sampling methods. Given a series of observations and the forward model, we want to recover the distribution of the parameters, conditioned on observed experimental data. We show, that combining Conditional Flow Mathching (CFM) with transformer-based architecture, we can efficiently sample from such kind of distribution, conditioned on variable number of observations.