이 논문에서는 이산 분포에서 샘플링하는 것이 다양한 영역에서의 기본적인 문제임을 소개합니다. 마르코프 체인 몬테카를로는 원칙적인 접근 방식을 제공하지만 종종 느린 혼합과 부족한 수렴으로 인해 고통받습니다. 이에 우리는 이산형 뉴럴 플로우 샘플러(DNFS)를 제안합니다. DNFS는 연속시간 마르코프 체인의 비율 행렬을 학습하여 결과적인 역학이 콜모고로프 방정식을 만족하도록 합니다. 이 목표는 추정 불가능한 파티션 함수를 포함하므로, 이에 대한 분산을 줄이기 위해 제어 변수를 사용합니다. 이를 통해 DNFS는 이산 샘플링을 위한 효율적인 솔루션을 제공합니다.

<Apple 뉴스 본문 전체읽기>