Copertina

Efficient and Unbiased Sampling of Boltzmann Distributions via Consistency Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Fengzhe, He, Jiajun, Midgley, Laurence I., Antorán, Javier, Hernández-Lobato, José Miguel
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Efficient and Unbiased Sampling from Boltzmann Distributions via Variance-Tuned Diffusion Models
di: Zhang, Fengzhe, et al.
Pubblicazione: (2025)

SE(3) Equivariant Augmented Coupling Flows
di: Midgley, Laurence I., et al.
Pubblicazione: (2023)

Online Laplace Model Selection Revisited
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2023)

Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2023)

Scalable Bayesian Inference in the Era of Deep Learning: From Gaussian Processes to Deep Neural Networks
di: Antoran, Javier
Pubblicazione: (2024)

Improving Linear System Solvers for Hyperparameter Optimisation in Iterative Gaussian Processes
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2024)

Flow Perturbation to Accelerate Unbiased Sampling of Boltzmann distribution
di: Peng, Xin, et al.
Pubblicazione: (2024)

Accelerating Relative Entropy Coding with Space Partitioning
di: He, Jiajun, et al.
Pubblicazione: (2024)

Getting Free Bits Back from Rotational Symmetries in LLMs
di: He, Jiajun, et al.
Pubblicazione: (2024)

A Generative Model of Symmetry Transformations
di: Allingham, James Urquhart, et al.
Pubblicazione: (2024)

RECOMBINER: Robust and Enhanced Compression with Bayesian Implicit Neural Representations
di: He, Jiajun, et al.
Pubblicazione: (2023)

RNE: plug-and-play diffusion inference-time control and energy-based training
di: He, Jiajun, et al.
Pubblicazione: (2025)

Stochastic Gradient Descent for Gaussian Processes Done Right
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2023)

Training Neural Samplers with Reverse Diffusive KL Divergence
di: He, Jiajun, et al.
Pubblicazione: (2024)

Flow Perturbation++: Multi-Step Unbiased Jacobian Estimation for High-Dimensional Boltzmann Sampling
di: Peng, Xin, et al.
Pubblicazione: (2026)

BNEM: A Boltzmann Sampler Based on Bootstrapped Noised Energy Matching
di: OuYang, RuiKang, et al.
Pubblicazione: (2024)

Conditional Diffusion Sampling
di: Castro-Macías, Francisco M., et al.
Pubblicazione: (2026)

Diffusive Gibbs Sampling
di: Chen, Wenlin, et al.
Pubblicazione: (2024)

Bidirectional Consistency Models
di: Li, Liangchen, et al.
Pubblicazione: (2024)

Exploring Pseudo-Token Approaches in Transformer Neural Processes
di: Lara-Rangel, Jose, et al.
Pubblicazione: (2025)

Decoupled PFNs: Identifiable Epistemic-Aleatoric Decomposition via Structured Synthetic Priors
di: Bergna, Richard, et al.
Pubblicazione: (2026)

There Was Never a Bottleneck in Concept Bottleneck Models
di: Almudévar, Antonio, et al.
Pubblicazione: (2025)

Training-Free Vector Quantization via Gaussian VAEs
di: Xu, Tongda, et al.
Pubblicazione: (2025)

DiffRatio: Training One-Step Diffusion Models Without Teacher Supervision
di: Chen, Wenlin, et al.
Pubblicazione: (2025)

Long-term Causal Inference via Modeling Sequential Latent Confounding
di: Chen, Weilin, et al.
Pubblicazione: (2025)

CREPE: Controlling Diffusion with Replica Exchange
di: He, Jiajun, et al.
Pubblicazione: (2025)

Configuration Interaction Guided Sampling with Interpretable Restricted Boltzmann Machine
di: Hernandez-Martinez, Jorge I., et al.
Pubblicazione: (2024)

Studying K-FAC Heuristics by Viewing Adam through a Second-Order Lens
di: Clarke, Ross M., et al.
Pubblicazione: (2023)

Improving Iterative Gaussian Processes via Warm Starting Sequential Posteriors
di: Dong, Alan Yufei, et al.
Pubblicazione: (2025)

Diagnosing and fixing common problems in Bayesian optimization for molecule design
di: Tripp, Austin, et al.
Pubblicazione: (2024)

Uncertainty Modeling in Graph Neural Networks via Stochastic Differential Equations
di: Bergna, Richard, et al.
Pubblicazione: (2024)

Progressive Tempering Sampler with Diffusion
di: Rissanen, Severi, et al.
Pubblicazione: (2025)

A Diffusive Classification Loss for Learning Energy-based Generative Models
di: OuYang, RuiKang, et al.
Pubblicazione: (2026)

Quantum Boltzmann Machines for Sample-Efficient Reinforcement Learning
di: Gerlach, Thore, et al.
Pubblicazione: (2025)

No Trick, No Treat: Pursuits and Challenges Towards Simulation-free Training of Neural Samplers
di: He, Jiajun, et al.
Pubblicazione: (2025)

Unbiased and Sign Compression in Distributed Learning: Comparing Noise Resilience via SDEs
di: Compagnoni, Enea Monzio, et al.
Pubblicazione: (2025)

Improving Antibody Design with Force-Guided Sampling in Diffusion Models
di: Kulytė, Paulina, et al.
Pubblicazione: (2024)

One-Step Sampler for Boltzmann Distributions via Drifting
di: Cao, Wenhan, et al.
Pubblicazione: (2026)

Efficient Unbiased Sparsification
di: Barnes, Leighton, et al.
Pubblicazione: (2024)

Asymptotic Unbiased Sample Sampling to Speed Up Sharpness-Aware Minimization
di: Deng, Jiaxin, et al.
Pubblicazione: (2024)