主動時間點選擇用於學習測量值軌跡

研究論文提出一個新框架，用於主動選擇時間點以學習測量值軌跡。在單細胞生物學等領域，從稀疏快照推斷連續概率路徑是一項基本挑戰，因為高保真數據獲取往往是破壞性的，且受限於高昂的測序成本。這促使了主動學習策略的需求，以策略性地選擇最佳測量時間。然而，為此設定設計主動學習策略仍是一個開放問題：目標物體位於無限維的 Wasserstein 空間中，標準歐氏度量在此定義不佳，且現有插值方法缺乏認知不確定性量化。論文介紹了一個框架，將主動實驗擴展到測量空間。通過利用線性化最優傳輸（LOT），將分佈快照映射到適合高斯過程建模的切線空間，從而構建一個可處理的概率代理，用於底層概率路徑。這產生了一個獲取策略，迭代地選擇測量時間以最小化不確定性。實驗結果表明，該策略在合成和真實世界數據集上都優於不確定性無感知的基線方法。