标签
本文研究了句子嵌入能否作为推理时接口，将地质知识注入到学习型达西流反演求解器中，发现文本条件化相比无文本反事实降低了81%的重构误差，且大部分增益来自类别级约束。
本文介绍了退化蒸馏器，一种通过估计和平展费希尔信息矩阵来自动检测和解决物理模型中退化参数组合的方法，该方法减少了神经后验估计所需的模拟预算，同时提供物理洞察。
该线程讨论了AI中的'Jagged Intelligence'概念，将其视为AI学习是一个不适定逆问题的结果，并认为像脚手架和验证这样的外部稳定器是必不可少的。
介绍了用于全波形反演的解耦潜在优化（DLO），该方法将潜在优化松弛为一个二次罚目标，在基准测试中优于经典方法及基于扩散的方法，同时保留了平滑速度初始化的特性。
本文提出了一种历史引导的自回归流匹配方法，用于从沸腾动力学部分观测中重构完整的时空场（速度和温度），解决了非马尔可夫后验下的不适定逆问题。
提出了一种用于非对数凹分布的方差缩减零阶朗之万采样方法，建立了首个非渐近收敛保证，并将其应用于基于分数的生成先验的逆问题中。
提出了面向奖励引导扩散的分层变分策略框架，在降低推理成本的同时实现高质量采样。在超分辨率等任务上展现了优异的质量-速度权衡。
一篇全面的综述，回顾了利用人工智能解决逆偏微分方程（PDE）问题的最新进展，涵盖了逆问题、逆设计与控制问题，并在科学与工业领域具有广泛应用。
本文提出了一种新的用于线性逆问题的基于能量的模型，该模型学习归一化后验密度，克服了扩散模型的局限性。它实现了无偏采样、自适应采样和盲退化估计，在ImageNet、CelebA和AFHQ上具有竞争力的性能。
Steven Brunton 宣布他的新书 'Optimization: A Bootcamp for Machine Learning, Inverse Problems, and Control'，现已开放预订，并配套提供免费PDF、YouTube视频和Python代码。
本文提出了NeTMY，一种免摊销的坐标神经场，用于NV色心量子传感中的逆问题，通过使用校正的前向模型和稀疏重建损失来克服中心坍塌病理。
本文提出了一种利用商用微波链路和扩散模型先验进行雨场重建的贝叶斯反问题框架，展示了其相对于现有基准方法的准确性提升。
本文分析了预训练扩散模型在线性逆问题上的零样本条件采样，提供了信息论保证并提出了一种投影 Langevin 初始化方法。