迷失在潜在空间：潜在扩散模型在物理仿真中的实证研究

扩散模型在推理时高昂的计算成本阻碍了它们作为快速物理模拟器的应用。在图像和视频生成领域，这一计算弊端已通过在自动编码器的潜在空间而非像素空间中进行生成来解决。在这项工作中，我们研究了类似策略是否能有效应用于动力系统的模拟，以及其代价如何。我们发现，潜在空间模拟的准确性对各种压缩率（高达1000倍）表现出惊人的鲁棒性。我们还表明，基于扩散的模拟器始终比非生成式对应物更准确，并通过更大的多样性来弥补其预测中的不确定性。最后，我们探讨了在训练潜在空间模拟器时发现至关重要的实际设计选择，涵盖了从架构到优化器等方面。