拡散モデルの宇宙論推論への信頼性検証

宇宙論シミュレーションの代替としての拡散モデルについて、訓練データ量が記憶現象やパラメータ推定に与える影響を検証し、新たな一般化テストの必要性を示した。

• 拡散モデルは宇宙論シミュレーションの代用として注目されているが、従来の検証手法では信頼性を担保できない。
• CAMELSシミュレーションデータを用い、訓練データ規模が記憶現象や統計的一致性に与える影響を検証した。
• データ不足の環境では過剰適合による記憶が生じ、宇宙論パラメータの推論結果が不正確になることを示した。
• 従来の良い評価指標を満たしていても過信したパラメータ推定に繋がるため、新たな一般化テストが必要である。

原文タイトル: Probing Cosmology with Diffusion Models: Memorization, Generalization, and Parameter Estimation

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。