基于仿真的推理的程序综合：联合模型选择和参数估计

基于神经模拟的推理可以实现复杂模型的参数估计，但通常需要用户指定编码固定模型结构的模拟器。我们提出了一个联合模型选择和参数估计的框架，它将用于程序合成的 大语言模型 与基于神经模拟的推理相结合。给定系统和所调查数据的自然语言描述，LLM 提出候选模拟器程序，该程序通过反馈驱动的突变进行迭代细化，并使用神经密度估计进行评估。该方法可以对模型池进行基于模拟的推理，而不仅仅是固定模型中的参数。在涵盖确定性动力学、随机流行病模型和引力透镜图像暗物质子结构推断的基准上，该方法从开放式提示中识别出合理的模型族，其准确性反映了数据的信息内容和候选模型的可识别性。