用于未归一化分布的符号密度估计器

论文提出一个从观测样本估计未归一化分布符号表达式的框架，结合深度生成模型与符号回归（SR），并引入因子化大分布等归纳偏置保持问题可解。所研究的深度生成模型包括基于似然的流模型和基于分数的模型。实验在多元玩具分布及计算物理晶格（XY 模型、φ⁴ 理论）上验证有效性，在 φ⁴ 理论重整化问题中直接从样本给出不同尺度下哈密顿函数的紧凑符号近似。