研究进展：无监督学习-罕见事件采样 | Nature Machine Intelligence

本文报道了一种基于物理的机器学习框架，即归一化流增强罕见事件采样器FlowRES，该框架利用无监督的归一化流神经网络，通过生成高质量的非局部蒙特卡罗建议，从而增强稀有事件的蒙特卡罗采样。研究通过采样布朗粒子的平衡和非平衡系统跃迁路径系综，探索了越来越复杂的势能，验证了FlowRES的有效性。FlowRES具有优于以往采样器的优势，包括不需要先验数据、不需要定义集合变量、即使事件变得越来越少效率也保持不变，并且可直接模拟状态之间具有多个路径的系统。