统计学 > 计算
[提交于 2025年10月4日
(v1)
,最后修订 2025年10月7日 (此版本, v2)]
标题: 动力学朗之万蒙特卡罗在随机指数欧拉离散化下的分析,从欠阻尼到过阻尼
标题: Analysis of kinetic Langevin Monte Carlo under the stochastic exponential Euler discretization from underdamped all the way to overdamped
摘要: 模拟动力朗之万动力学是从分布中进行采样的流行方法,其中仅可获得其未归一化密度。 已经考虑了动力朗之万动力学的各种离散化方法,其中得到的算法统称为动力朗之万蒙特卡洛(KLMC)或欠阻尼朗之万蒙特卡洛。 具体而言,随机指数欧拉离散化,或简称为指数积分器,之前已在强对数凸和对数利普希茨光滑势下通过同步Wasserstein耦合策略进行了研究。 然而,现有的分析对参数施加了限制,这些限制无法解释KLMC在不同参数选择下的行为。 特别是,所有已知的结果在过阻尼区域都不成立,这表明指数积分器在过阻尼极限下会退化。 在本工作中,我们重新审视使用指数积分器的动力朗之万蒙特卡洛的同步Wasserstein耦合分析。 我们的改进分析结果在参数上具有较弱的限制,得到了Wasserstein收缩和渐近偏差的界,这表明只要应用适当的时间加速,指数积分器就能够稳定地模拟过阻尼区域的动力朗之万动力学。
当前浏览上下文:
stat.CO
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.