面向未归一化分布的符号密度估计器

研究团队提出一种结合深度生成模型与符号回归（SR）的新框架，用于从观测样本中估计未归一化概率分布的符号解析表达式。该方法融合了流模型与基于分数的生成模型，并引入先验知识与分布分解等归纳偏置来确保计算可行性。实验在多元分布以及计算物理中的 XY 模型与 $\phi^4$ 理论晶格上证实了有效性，能直接从样本中推导出不同尺度下的紧凑哈密顿量符号近似。