İçeriğe geç
CANLI 20:49 Claude artık video konferanslara katılabiliyor! 2 gün önce Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede? 9 Kas 2026 Bu Hafta AI Model Değerlendirmesi (2026-W46) 8 Kas 2026 OpenAI Uyarı Vermeden Hesap Kapatıyor: Aylık 200 Dolarlık Pro Aboneler Bile Etkilendi 8 Kas 2026 Yapay Zekâ 18 Yıllık Kuantum Varsayımını Üç Günde Çözdü: Aaronson-Ambainis Artık Bir Teorem Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 16.11.2026
Bülten

arXiv 2611.18542 stat.ML

Eliptik Örnekleme: Gaussianlar ve Ötesi için Optimal İnterpolant Programları

Özgün başlık Elliptic Sampling: Optimal Interpolant Schedules for Gaussians and Beyond

  • Cole Becker
  • Taylan Kargin
  • Kimia Hassibi
  • Asuman Ozdaglar
  • Pablo A. Parrilo
ai/muhabir · özet metinden derlendi

Stokastik interpolantlara dayalı üretken modelleme, iki temel seçeneğin belirtilmesini gerektirir: başlangıç ​​ve hedef dağılımlar arasında köprü kuran bir interpolant programı ve ortaya çıkan olasılık akışı ODE'sinin etkin bir şekilde ayrıklaştırılması. Bu çalışmada, (karmaşıklaştırılmış) ODE yörüngelerinin analitik özelliklerine dayalı olarak ortak zamanlama/ayrıklaştırma tasarımı için yeni bir çerçeve sunuyoruz ve bu da iyi sayısal davranış sağlıyor. Formülümüz, Jacobi eliptik fonksiyonlarıyla parametrelendirilen, varyansı koruyan doğal bir eliptik program ailesi ortaya çıkaran konformal haritalama yoluyla tam olarak çözülebilir.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

Stokastik interpolantlara dayalı üretken modelleme, iki temel seçeneğin belirtilmesini gerektirir: başlangıç ​​ve hedef dağılımlar arasında köprü kuran bir interpolant programı ve ortaya çıkan olasılık akışı ODE'sinin etkin bir şekilde ayrıklaştırılması. Bu çalışmada, (karmaşıklaştırılmış) ODE yörüngelerinin analitik özelliklerine dayalı olarak ortak zamanlama/ayrıklaştırma tasarımı için yeni bir çerçeve sunuyoruz ve bu da iyi sayısal davranış sağlıyor. Formülümüz, Jacobi eliptik fonksiyonlarıyla parametrelendirilen, varyansı koruyan doğal bir eliptik program ailesi ortaya çıkaran konformal haritalama yoluyla tam olarak çözülebilir. Eliptik bir programı özel bir ayrıklaştırmayla eşleştirerek, Zolotarev'in optimal rasyonel fonksiyon yaklaşımlarıyla yakından bağlantılı yeni bir örnekleme algoritması olan Zoloflow'u elde ederiz. En önemlisi, hem eliptik program hem de Zoloflow, hedef dağılımın koşul numarasını $κ$ açıkça dahil eder ve $κrightarrow 1$ limitinde klasik trigonometri planına düşürür. Zoloflow, Gauss hedefleri için, $Θ(logκ,log(sqrt d/varepsilon))$ (exact) skor sorgularını kullanarak toplam varyasyon hatası $varepsilon$ elde ederek, tüm habersiz puan aralığı algoritmaları arasında minimum optimalliğe ulaşır. Log-içbükey durum için, eliptik program yalnızca $widetilde{O}(sqrt{d} , mathrm{polylog}(κ, 1/varepsilon))$ puan değerlendirmelerini gerektirerek en fazla $varepsilon$ 2-Wasserstein-error ile örneklemeye izin verir. Bu teorik sonuçları tamamlayarak, hem sentetik kıyaslamalarda hem de mevcut görüntü oluşturma veri kümelerinde alternatif program önerileriyle ayrıntılı karşılaştırmalar dahil olmak üzere genel (log-içbükey olmayan) hedef dağılımları üzerindeki eliptik programı ampirik olarak değerlendiriyoruz.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Generative modeling based on stochastic interpolants requires specifying two key choices: an interpolant schedule bridging the initial and target distributions, and an efficient discretization of the resulting probability-flow ODE. In this work, we introduce a new framework for joint schedule/discretization design based on the analyticity properties of the (complexified) ODE trajectories, which in turn ensure good numerical behavior. Our formulation can be solved exactly via conformal mapping, yielding a natural family of variance-preserving elliptic schedules, parametrized by Jacobi elliptic functions. Pairing an elliptic schedule with a tailored discretization, we obtain Zoloflow, a new sampling algorithm closely connected to Zolotarev's optimal rational function approximants. Crucially, both the elliptic schedule and Zoloflow explicitly incorporate the condition number $κ$ of the target distribution and reduce to the classical trig schedule in the limit $κrightarrow 1$. For Gaussian targets, Zoloflow achieves minimax optimality among all oblivious score-span algorithms, attaining total-variation error $varepsilon$ using $Θ(logκ,log(sqrt d/varepsilon))$ (exact) score queries. For the log-concave case, the elliptic schedule allows sampling with at most $varepsilon$ 2-Wasserstein-error by requiring merely $widetilde{O}(sqrt{d} , mathrm{polylog}(κ, 1/varepsilon))$ score evaluations. Complementing these theoretical results, we empirically evaluate the elliptic schedule on general (non-log-concave) target distributions, including detailed comparisons with alternative schedule proposals on both synthetic benchmarks and existing image generation datasets.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{becker2026elliptic,
  title   = {Elliptic Sampling: Optimal Interpolant Schedules for Gaussians and Beyond},
  author  = {Cole Becker and Taylan Kargin and Kimia Hassibi and Asuman Ozdaglar and Pablo A. Parrilo},
  journal = {arXiv preprint arXiv:2611.18542},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.18542}
}
APA
Becker, C., Kargin, T., Hassibi, K., Ozdaglar, A., & Parrilo, P. A. (2026). Eliptik Örnekleme: Gaussianlar ve Ötesi için Optimal İnterpolant Programları. arXiv. https://arxiv.org/abs/2611.18542
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.