PR-Smoother：面向物理数据同化的保留模拟器非高斯平滑方法
在物理数据同化（DA）工作流中，通常需要平滑算法能够表示物理状态变量的非高斯后验分布，并适配高维物理模拟器。针对这一需求，研究人员提出了 PR-Smoother，一种保留模拟器的摊销平滑方法。该方法的核心设计在于，在证据下界与变分分布族中均显式保留既定的物理模拟器，而非训练替代动力学模型或学习完整轨迹，从而在仅依赖观测窗口训练的同时，保持与模拟器校准的良好兼容性。
推荐理由该研究提出了一种在变分推断中显式保留物理模拟器的非高斯平滑算法，为高维物理数据同化提供了新范式。
原标题：PR-Smoother: Simulator-Preserving Non-Gaussian Smoothing for Data Assimilation
阅读 arXiv 机器学习 原文 ↗