AdaPID: Adaptive Path Integral Diffusion verbessert Sampling-Qualität

Ein neues arXiv-Papier (ArXiv:2512.11858v1) mit dem Titel AdaPID präsentiert einen innovativen Ansatz zur Optimierung von Diffusionssamplern. Die Autoren zeigen, wie die Wahl des Zeitplans, der die Zwischenschritte der Dynamik steuert, entscheidenden Einfluss auf die Effizienz und Genauigkeit hat.

Im Fokus stehen drei gängige Diffusionssampler – Score‑Based Diffusions, Bridge Diffusions und Path‑Integral Diffusions – die alle darauf abzielen, ein Zielverteilung am Endzeitpunkt exakt zu treffen. AdaPID geht jedoch einen Schritt weiter, indem es einen Pfad‑weisen Zeitplan entwickelt, der die Zwischenschritte gezielt anpasst.

Der neue Ansatz nutzt ein Harmonic PID‑Framework mit zeitlich variabler Steifigkeit. Durch die Verwendung von Stückweise-konstanten (Piece‑Wise‑Constant, PWC) Parametrisierungen und einer hierarchischen Verfeinerung kann der Zeitplan präzise gesteuert werden, ohne dass komplexe neuronale Netze erforderlich sind.

Ein weiteres Highlight ist die Einführung von Qualitätsdiagnostiken (Quality‑of‑Sampling, QoS), die sensitiv auf den gewählten Zeitplan reagieren. Diese Diagnostiken ermöglichen es, die Leistung des Samplers in Echtzeit zu überwachen und anzupassen.

Für Zielverteilungen, die als Gaußsche Mischungen modelliert werden, behält AdaPID geschlossene Formeln für die Green‑Funktionen bei und liefert numerisch stabile, neuronale‑Netz‑freie Orakel für Vorhersagemaps und Scores.

Experimentelle Ergebnisse in zweidimensionalen Szenarien zeigen, dass PWC‑basierte, QoS‑gesteuerte Zeitpläne die frühzeitige Genauigkeit, die Genauigkeit der Schwanzverteilung, die Konditionierung der Dynamik und die Zeitplanung der Spezialisierung bei festem Integrationsbudget deutlich verbessern.