该研究为生成扩散模型中的“物种形成”现象建立了内在理论框架,即在去噪过程中初始无差别轨迹逐步分化为不同数据类别的稳定分支。作者将物种形成刻画为概率密度临界点的分岔,利用谱热核表示揭示流形几何的作用,并通过Poincaré-Hopf与Morse理论对临界点数量与类型施加全局约束。研究发现,一般物种形成事件具有一维临界核并遵循A2折叠规范型,而对称配置可导致叉形分岔与多方向转变。理论还给出了双峰混合分布及黎曼正则单纯形上物种形成时间的几何依赖估计,并证明了非退化折叠在分数扰动下的结构稳定性。研究在球面上通过von Mises-Fisher混合分布验证了理论预测,包括拓扑模式与层级多物种形成,并提出了基于神经网络的图表内在分数学习方案。该工作为理解扩散模型中的类别分化机制提供了几何视角的数学基础。
| Speciation | 物种形成,指在生成扩散模型去噪过程中,轨迹分化成不同稳定分支的现象。 |
| Compact Riemannian Manifolds | 紧致黎曼流形,具有有限体积和良好几何性质的流形,用于定义扩散模型的数据空间。 |
| Pitchfork Bifurcation | 叉形分岔,一种对称性破缺的分岔类型,在临界点处出现多个稳定分支。 |
| Poincaré-Hopf and Morse Theory | 庞加莱-霍普夫和莫尔斯理论,拓扑学工具,用于约束临界点的存在性和类型。 |
| von Mises-Fisher Distributions | 冯·米塞斯-费舍尔分布,定义在球面上的概率分布,常用于方向统计。 |
📱 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