Wir freuen uns, dass das Paper "Improved sampling via learned diffusions" auf dem Workshop "New Frontiers in Learning, Control, and Dynamical Systems", der diese Woche auf der International Conference on Machine Learning (ICML) auf Hawaii stattfindet, angenommen wurde.

In dem Paper wird untersucht, wie das Sampling aus bestimmten Wahrscheinlichkeitsdichten über Diffusionsprozesse angegangen werden kann, bei denen die Drift über neuronale Netze gelernt wird. Es wird die Perspektive der Pfadraum-Maße vorgeschlagen, die es erlaubt, bestehende Methoden wie Schrödinger-Bridges oder „diffusion based generative modeling“ zu verallgemeinern. Diese neue Perspektive erlaubt es, effizientere Loss-Funktionen zu entwerfen, welche zu erheblichen Verbesserungen in numerischen Experimenten führen können.

Wir freuen uns sehr, dass wir unseren Anspruch, Spitzenforschung zu betreiben und Beiträge für die ML-Community zu leisten, fortsetzen können.