arXiv cs.LG· Ricardo Luna Gutierrez, Vineet Gundecha, Rahman Ejaz, Varchas Gopalaswamy, Riccardo Betti, Sahand Ghorbanpour, Aarne Lees, Soumyendu Sarkar·· 7 天前AI 评分35
面向物理引导优化的端到端可微扩散条件方法 D2C
End-to-End Differentiable Diffusion Conditioning for Physics-Informed Optimization
AI 导读
研究团队提出面向离线基于模型优化的端到端可微扩散条件方法 D2C，将冻结的条件扩散模型转变为基于梯度的优化器。该方法利用确定性采样的可微逆向去噪链，在测试时直接反向传播代理目标与物理信息惩罚项的梯度来优化条件变量。在惯性约束聚变激光脉冲优化、数据中心调度两个真实任务及 4 个 Design-Bench 任务上，D2C 均取得最优综合表现。
来源：arXiv cs.LG · arxiv.org