7月17日上午，第59期基础交叉沙龙在基础交叉研究院101会议室顺利举行。本次沙龙邀请到香港城市大学周翔副教授作题为《弱生成式采样器》的学术报告。数学交叉研究中心副主任徐翔教授主持沙龙。
针对当前基于深度学习求解稳态福克-普朗克方程的方法，虽能获得不变密度函数，但不能直接解决从所计算的密度函数中采样的问题。传统随机微分方程数值求解器需精细步长和长时模拟，样本存在偏差和相关性。综合运用深度学习、弱形式数值方法、归一化流与概率生成模型等工具，周翔副教授介绍了一种基于弱生成采样器的框架，以直接生成独立同分布样本，避免了雅可比行列式计算和变换可逆性限制。进一步引入自适应高斯核测试函数，规避了极小极大优化，应用于多亚稳态探索，该方法计算成本低、扩展性好。
在交流环节，与会师生围绕非可逆映射的探索、生成式AI超越现有数据的需求、模型的可表达性、方法优势与精度限制及复杂场景问题的处理等方面与周翔副教授展开深入讨论。
本次沙龙吸引了来自数学、材料、电子信息、信息通信、生命科学等专业的师生参加。
图文 | 朱松梅
