面向未归一化分布的符号密度估计器

研究提出一种结合深度生成模型与符号回归（SR）的框架，可直接从观测样本中估计未归一化概率分布的符号表达式。该方法利用流模型与基于分数的生成模型，并引入大分布因子分解等归纳偏置保证计算可行。实验在多变量分布及计算物理 XY 模型、$\phi^4$ 理论中验证了有效性，成功估计出重整化问题中哈密顿量函数的紧凑符号近似。