Discrete Action Matching:从种群快照学习离散随机动力学
FrancescoLocat8 · x · 2026-10-07
arXiv 新论文(2610.05071,作者 Mikhail Persiianov、Alexander Korotin)提出 Discrete Action Matching(DAM),解决从无配对时间边缘分布学习种群动力学的病态逆问题:
- DAM 是 Action Matching 在有限状态空间上的对应版本,基于离散 Wasserstein 几何
- 对给定的边缘路径和传输几何,推导出最小动能流的动作最小化目标;关键观察是离散动作对密度的依赖可简化为相邻密度比
- 方法先沿快照的经验插值估计这些密度比,再学习一个 action potential,学习到的场同时定义了一个图上的 Markov 采样器
- 实验在合成动力学和小鼠原肠胚真实数据上评估边缘重建与插值,还近似了成对样本的数值表面传输路径
「研究」频道最新
- Chrome 偷偷内置 425KB 神经回声消除模型,回声抑制多 5.4dB — chadwallacehart · 2026-10-08
- Snorkel 开放基准资助扩至 3000 万美元，并组建红队查基准漏洞 — ajratner · 2026-10-08
- 研究者分享用 AI 定理证明器做硬件形式化验证的 REBASE 2026 演讲 — satnam6502 · 2026-10-08
- 1985 年亲历者发声：反向传播史不是美国叙事那一套 — SchmidhuberAI · 2026-10-08
- NVIDIA 提出 PivotOPD：让多轮智能体学会从关键错误中恢复 — NVIDIAAI · 2026-10-08
- Scott Aaronson 发文「数学末日论」:AI 时代数学教育与研究的走向 — TMWNN · 2026-10-08