强对数凹分布下WFR流收敛速率可加性分解，无需热启动！
Preservation of Log-Concavity and Convergence of Wasserstein-Fisher-Rao Gradient Flows
📖 AI 总结
本文研究用于从归一化常数未知的概率分布中采样的Wasserstein-Fisher-Rao（WFR）梯度流的收敛性。WFR流结合了Wasserstein输运与Fisher-Rao生灭动力学，在探索与选择之间取得平衡，被认为有望超越Langevin动力学加速收敛。作者证明，对于满足额外曲率条件的一类强对数凹目标分布，WFR流能够保持强对数凹性，而Wasserstein流仅在高斯情形下具备该性质。基于此，作者推导出对称化KL散度的显式非渐近收敛速率，且无需现有估计所要求的warm-start条件。结果表明，收敛速率可加性分解为Wasserstein与Fisher-Rao两部分贡献，从而在该设定下验证了近期的一个猜想。这些结果为WFR梯度流提供了更精细的收敛保证，并推进了其在采样与贝叶斯推断中的理论基础。
🔑 关键词速览
| Wasserstein-Fisher-Rao (WFR) 梯度流 | 一种结合Wasserstein输运和Fisher-Rao生灭动力学的梯度流，用于概率分布采样，平衡探索与选择。 |
| 强对数凹性 | 概率分布的一种性质，其对数密度函数的凹性强，通常意味着良好的收敛和采样性质。 |
| 对称化Kullback-Leibler散度 | Kullback-Leibler散度的一种对称化形式，用于衡量两个概率分布之间的差异。 |
| 非渐近收敛速率 | 描述算法在有限迭代次数内收敛到目标分布的速度，不依赖于渐近分析。 |
| 热启动 | 在采样或优化中，从一个接近目标分布的初始分布开始，以加速收敛。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅