Dieses Papier erweitert MST-Direct für die multivariate, bedingte und großskalige geostatistische Simulation und überwindet frühere Einschränkungen. Die Methodik befasst sich mit Skalierbarkeit, mehreren Variablen und Datenkonditionierung, wobei die multivariate gemeinsame Verteilung erhalten bleibt.
Diese Arbeit untersucht die Bayes'sche Optimierung für aufwendige, Black-Box- und nicht-konvexe Optimierungsprobleme mit Symmetrien. Sie schlägt einen optimalen Transport-basierten Permutations-invarianten Bayes'schen Optimierungsansatz vor, der speziell auf das Layout-Design von Offshore-Windparks angewendet wird.
Dieses Papier stellt FastSinkhorn vor, eine native CUDA-Implementierung des Log-Domain-Sinkhorn-Algorithmus, die schnellere und stabilere Lösungen für optimale Transportprobleme (OT) liefert. Es erreicht eine 12-fache Beschleunigung gegenüber der POT-Bibliothek und eine 5,9-fache Beschleunigung gegenüber GPU-beschleunigten PyTorch-Baselines, während die numerische Stabilität für kleine Regularisierungsparameter erhalten bleibt.