研究进展：无监督学习-罕见事件采样 | Nature Machine Intelligence

文章预览

从物理学和生物学到地震学和经济学，无数系统行为都是取决于罕见事件(rare events)的亚稳态之间有影响但不太可能的转变，对于理解和控制这些系统的性质，罕见（或稀有）事件方面的研究，是至关重要的。不过，罕见事件采样的经典计算方法，仍然效率极低，并且是需要先验数据的增强采样器。 近日，英国 伦敦大学学院（University College London）Solomon Asghar，Giorgio Volpe等，新加坡 南洋理工大学（Nanyang Technological University） Ran Ni等，在Nature Machine Intelligence上发文，报道了基于物理的机器学习框架，即归一化流增强罕见事件采样器Flow enhanced Rare Event Sampler (FlowRES)，主要利用无监督的归一化流神经网络，通过生成高质量的非局部蒙特卡罗建议，从而增强稀有事件的蒙特卡罗采样。 通过采样布朗粒子的平衡和非平衡系统跃迁路径系综，探索了越来越复杂 ………………………………