RW-Flow: 바서슈타인 그래디언트 흐름을 통한 컴팩트 다양체 상에서의 원스텝 생성
RW-Flow: One-Step Generation on Compact Manifolds via Wasserstein Gradient Flows
지진과 같은 지리공간적 사건의 위치부터 3차원 구조에 관한 정보를 인코딩하는 생체분자 비틀림 각도에 이르기까지, 다양체 값 데이터(manifold-valued data) 및 이로 인해 유도되는 분포는 여러 영역에 걸쳐 널리 나타납니다. 확산(diffusion) 및 흐름 기반(flow-based) 생성 모델이 컴팩트 다양체(compact manifold)로 성공적으로 확장되었으나, 샘플링에는 일반적으로 수십에서 수백 번의 순차적 네트워크 평가가 필요합니다. 본 논문에서는 바서슈타인 그래디언트 흐름(Wasserstein gradient flow)을 통해 컴팩트 다양체 상에서 원스텝 생성 모델을 학습하기 위한 이론적으로 확립된 프레임워크인 RW-Flow를 소개합니다. 주요 과제는 식별가능성(identifiability)입니다. 즉, 속도장(velocity field)을 0으로 만드는 것이 모델 분포가 목표 분포와 일치함을 보장해야 합니다. 본 연구에서는 컴팩트 연결 리만 다양체(compact, connected Riemannian manifold) 상에서 식별가능성을 위한 필요충분조건을 확립합니다. 구체적으로 대칭적이고 립시츠 연속(Lipschitz-continuous)인 비용 함수에 대해, 싱크혼 발산(Sinkhorn divergence)에 의해 유도된 속도장이 식별가능할 필요충분조건은 연관된 깁스 커널(Gibbs kernel)이 비퇴화(nondegenerate)인 경우임을 보입니다. 이러한 특성화는 컴팩트 다양체 상에서 식별가능한 비용을 설계하기 위한 일반적인 원칙을 제공합니다. 또한 유클리드 제곱 거리의 자연스러운 다양체 대응물인 측지선 제곱 거리(squared geodesic distance)가 항상 식별가능성을 보장하는 것은 아님을 밝힙니다. 지리공간적 사건, 단백질 측쇄 비틀림 각도, RNA 백본 비틀림 각도, 삼각형 메시로 이산화된 일반 다양체를 포함하는 벤치마크 전반에서, RW-Flow는 공정한 비교 조건 하에 거의 모든 설정에서 기존 원스텝 방식보다 우수한 성능을 보입니다.