딥 생성 모델링의 지속적인 발전에 이끌리는 시뮬레이션 기반 추론(SBI)은 확률적 시뮬레이터의 매개변수를 추론하는 데 사용되고 있습니다. 그러나 최근 연구에서 모델 부정확성이 SBI의 신뢰성을 훼손할 수 있다는 것을 보여주었습니다. 특히, 부정확한 시뮬레이터만 사용 가능한 중요한 응용 분야에서 SBI의 채택을 방해할 수 있습니다. 본 연구에서는 모델 부정확성을 소규모의 실제 보정 데이터 집합을 사용하여 극복하는 Robust Posterior Estimation~(RoPE) 프레임워크를 제안합니다. 이를 통해 모델 부정확성을 극복하고 SBI의 신뢰성을 높일 수 있습니다. RoPE는 다양한 신경망 기반 추론 방법과 호환되며, 부정확한 시뮬레이터에서 실제 매개변수를 추정하는 데 탁월한 성능을 보입니다.

<Apple 뉴스 본문 전체읽기>