It Just Takes Two: 대규모 집합으로의 감가 추론 확장

요약

본 논문은 신경 사후 추정(Neural posterior estimation)이 대규모 조건 변수 집합에 의존하는 응용 분야에서 발생하는 계산적 한계를 해결하는 방법을 제시합니다. 연구진은 표현 학습과 사후 모델링을 분리하는 새로운 전략을 도입하여, 최대 크기 2의 작은 집합으로 Deep Set 인코더를 훈련하고 이를 임의의 대규모 조건 변수 집합에 일반화할 수 있게 했습니다. 이 접근 방식은 추론 비용이 배포 시점의 조건 변수 개수(N)와 독립적이어서, 메모리와 컴퓨팅 자원 측면에서 실용적인 해결책을 제공합니다.

핵심 포인트

• 신경 사후 추정은 강력하지만, 대규모 조건 변수 집합 처리 시 계산 비용이 급증하는 문제가 있습니다.
• 제안된 방법은 표현 학습(Representation Learning)과 사후 모델링(Posterior Modeling)을 분리하여 이 문제를 해결합니다.
• 최대 크기 2의 작은 집합으로 Deep Set 인코더를 훈련함으로써, 임의의 대규모 조건 변수 집합에 일반화할 수 있습니다.
• 이 접근 방식은 추론 비용이 배포 집합 크기 N에 본질적으로 독립적이어서 효율적입니다.