Differentiable Annealed Importance Sampling and the Perils of Gradient Noise

[Kashalpha]

一言でいうと

Annealed importance sampling (AIS)とHamiltonian Monte Carlo (HMC)を合体させた手法（Differentiable AIS, DAIS）を提案することで、AISによる周辺尤度の推定量が微分不可能となる問題を回避した。

論文リンク

https://proceedings.neurips.cc/paper/2021/hash/a1a609f1ac109d0be28d8ae112db1bbb-Abstract.html

概要

• DAISではHMCのように運動量を補助変数として導入し、AISにおけるMetropolis-Hastings法による受容判断を行わずに、leapfrog法による決定論的な遷移と運動量のrefreshmentにより状態の変化を行う。この状態の変化に加えて、AISでの逆温度のアニーリングを行う。DAISによるLower boundは順過程と逆過程のKL divergenceとして得られる。
• 推定量が微分可能となったことで、変分推論に活用することができる。

先行研究

• Hamiltonian Annealed Importance Sampling for partition function estimation
  • 類似した手法だが、 Metropolis-Hastings法による受容判断過程が含まれている点が異なる。

コメント

[Kashalpha]

Accelerated Jarzynski Estimator with Deterministic Virtual Trajectories 確率的熱力学の文脈で同じようなことをした研究