克拉克森大学研究人员开发了一种新的数学工具，该工具可能使人工智能系统在从图像编辑到药物发现等各种应用中更加精确、可控和实用。
克拉克森大学博士后研究员赞德·布拉斯因（Zander Blasingame）和电气与计算机工程教授刘晨（Chen Liu）创建了一个名为Rex的新型数值求解器家族，该家族改进了生成式AI模型在随机噪声和有意义数据之间的转换方式。他们的研究《Rex：可逆指数（随机）Runge-Kutta求解器家族》将于今年夏天在国际机器学习会议（ICML 2026）上发表，论文的早期版本已在arXiv预印本服务器上提供。
扩散模型和流匹配模型是许多现代生成式AI系统的基础，包括图像生成器、分子设计工具和科学模拟器。这些模型通过将随机噪声逐渐转换为有用输出来工作。虽然这一过程在创建新内容方面很有效，但许多重要应用需要反向运行这一过程。现有方法通常会引入误差，使得难以准确恢复原始信息。
克拉克森团队的Rex框架通过使正向和反向过程更加紧密对齐来解决这一挑战，使AI系统能够以显著更高的精度反向执行步骤。
布拉斯因表示："精确反演求解器的一个重要应用是往返图像编辑。虽然所有可逆方法都会累积一些数值误差，但Rex实现的反演误差比竞争方法低几个数量级。"
这一进展可能实现更精确的图像编辑工具，使用户能够在保留重要细节并更好地控制最终结果的同时修改AI生成的图像。除了创意应用外，该技术还可能改善化学和药物发现中使用的分子模拟，其中准确追踪和建模复杂过程至关重要。
由于Rex可以集成到现有的扩散和流匹配模型中，因此该方法可以在不重新设计整个AI工作流程的情况下采用。这使其对正在开发下一代AI应用的研究人员和开发人员立即有用。
该研究建立在布拉斯因和刘晨探索扩散和流匹配模型的一系列研究基础上。它还扩展了布拉斯因在克拉克森大学博士论文最后一章的工作。布拉斯因分别于2018年、2020年和2025年从克拉克森大学获得学士、硕士和博士学位，目前是奥地利维也纳AITHYRA的博士后研究员。
【全文结束】