Zwei akzeptierte Paper auf der ICLR

Wir freuen uns, ankündigen zu können, dass zwei Papers mit dida-Beteiligung in den Proceedings der diesjährigen International Conference on Learning Representations (ICLR) erscheinen werden, die Anfang Mai in Wien stattfinden wird. Die ICLR ist neben der NeurIPS und der ICML eine der drei wichtigsten Konferenzen für Machine Learning.

In dem Paper Improved sampling via learned diffusions 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.

Das Paper Fast and unified path gradient estimators for normalizing flows schlägt effizientere Algorithmen für das varianzreduzierte Training von Normalizing Flows für das Sampling aus komplexen Wahrscheinlichkeitsverteilungen vor, die zum Beispiel in der Physik oder der Molekulardynamik auftreten. Weiterhin wird gezeigt, wie Methoden zur Varianzreduktion auf das Likelihood-Training angewandt werden können, was relevant ist, wenn Samples auf der Zielverteilung verfügbar sind.

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