NS-Flows：条件归一化流替代嵌套采样中的MCMC

Alessandro Coretti等研究者发表论文提出NS-Flows，用单个条件归一化流替代嵌套采样（NS）中用于活集去相关的MCMC更新。该流以NS能量界为条件，在近期活集的滑动窗口上训练，活集自洽供数，无需结构化先验或预置数据集；采样由并行直接抽样经重要性加权拒绝重采样校正完成。 在周期性边界条件下的Lennard-Jones圆盘系统中，作者称该方法可将能量评估次数减少两个数量级、墙钟时间降低约30%，且势能计算成本越高优势越明显。 作者在修订版中重新测量并更新了全部数值结果，将条件化比较扩展到十个独立训练的网络，补充了报告成本的运行间波动等材料，并提供了公开代码与数据仓库的链接。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。