利用梯度加速昂贵模拟器的贝叶斯推断

研究将模拟器输出对输入参数的梯度信息引入高斯过程代理模型，以加速基于贝叶斯优化的主动学习推断。结果显示，在反向模式微分下，即使计入额外计算成本，推断效率仍有显著提升；而前向模式微分的加速不足以抵消其计算开销。该方法主要适用于参数数量超过输出维度的问题。