Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities
Created by
Haebom
Category
Empty
저자
Tara Akhound-Sadegh, Jungyoon Lee, Avishek Joey Bose, Valentin De Bortoli, Arnaud Doucet, Michael M. Bronstein, Dominique Beaini, Siamak Ravanbakhsh, Kirill Neklyudov, Alexander Tong
개요
본 논문은 비정규화된 확률 밀도에서 효율적으로 샘플링하는 핵심 과제를 해결하기 위해, 확률 경로 설계와 같은 생성적 확산 모델의 아이디어를 차용한 PITA(Progressive Inference-Time Annealing)라는 새로운 확산 기반 샘플러 프레임워크를 제안합니다. PITA는 볼츠만 분포의 어닐링과 확산 스무딩이라는 두 가지 보완적인 보간 기술을 결합하여, 고온에서 저온으로 일련의 확산 모델을 학습시킵니다. 이를 통해 N-바디 입자 시스템, 알라닌 디펩타이드, 그리고 삼중 펩타이드를 카르테시안 좌표계에서 평형 샘플링할 수 있으며, 에너지 함수 평가 횟수를 획기적으로 줄였습니다.
시사점, 한계점
•
시사점:
◦
확산 기반 샘플러의 한계를 극복하고 분자 시스템과 같은 복잡한 시스템의 샘플링을 가능하게 함.
◦
볼츠만 분포 어닐링과 확산 스무딩의 결합을 통해 샘플링 효율성을 향상시킴.
◦
N-바디 입자 시스템, 알라닌 디펩타이드, 삼중 펩타이드 등 다양한 시스템에 적용하여 성능을 입증함.
