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.
닫힌 다양체 $M$ 위에서 상호작용 에너지 \[ \mathsf E[\mu] = \frac12\iint_{M\times M}K(x,y)\,\mathrm d\mu(x)\,\mathrm d\mu(y) \] 에 대한 와서스타인 그래디언트 흐름의 장시간 거동을 연구한다. 라플라스 고유기저에서 대각이고 스펙트럴 계수가 비음인 커널에 대해, 상대 엔트로피와 에너지 갭 사이를 잇는 미분 부등식을 증명한다. 따라서 임의의 비음 초기 밀도 $u_0\in L^p(M)$, $p>1$에 대해 에너지 갭은 시간에 대해 적분 가능하며 \[ \mathsf E[\mu_t]-\mathsf E_{\min}=o(t^{-1}). \] 를 만족한다. 모든 스펙트럴 계수가 양수이면, 흐름은 약하게 상수 측도로 수렴한다. 이러한 상호작용 에너지는 와서스타인 공간에서 측지적으로 볼록일 필요가 없으며, 관련 흐름에는 확산이 포함되지 않는다. 따라서 전역 수렴은 표준 와서스타인 그래디언트 흐름 이론에서 바로 따라오지 않는다. 우리 결과가 다루는 커널에는 구면 위의 zonal 커널, 트랜스포머 모델에서 나오는 커널, 정규화된 Riesz 커널, 역 분수 라플라시안 커널이 포함된다. $o(t^{-1})$ 수렴률의 날카로움도 조사한다. 무한히 많은 양의 스�ект럴 계수를 갖는 이 클래스의 임의의 매끄러운 커널과 임의의 $\delta>0$에 대해, 선형화된 흐름의 해를 구성하여 무한대로 갈수록 어떤 시간열을 따라 그 에너지가 $t^{-1-\delta}$와 비슷한 크기를 갖도록 한다. 더 나아가 임의의 $\delta>0$에 대해, 평탄 토러스 위에서 적절한 역 분수 라플라시안 커널을 선택함으로써, 비선형 와서스타인 그래디언트 흐름의 정확한 해를 구성하여 그 에너지가 $t^{-1-\delta}$와 비슷한 크기를 갖도록 한다. 이 비선형 구성은 dyadic 푸리에 계수 블록의 시간에 대한 균등 추정과 블록 단위 에너지 지속(persistence) 논증에 기반한다. 이러한 추정은 또한 비선형 와서스타인 그래디언트 흐름과 그 선형화 사이의 시간에 대한 균등 정량적 비교를 제공한다.
포괄적(inclusive) KL 발산의 Wasserstein 그래디언트 플로우를 통계적 추론에 적용하는 통합 이론적 프레임워크를 확립하며, 최대 평균 불일치(MMD) 최소화가 근사 그래디언트 추정기를 사용한 포괄적 KL 추론임을 보인다. 가우시안 다양체로 제한한 Fisher–Rao 및 Wasserstein–Fisher–Rao 그래디언트 플로우의 명시적 ODE를 도출하고, 밀도비 평가 없이 로컬 비모수 회귀로 속도를 추정하는 새로운 로컬 추정기 Wasserstein 그래디언트 플로우를 제안하여 MMD 기반 파티클 방법 대비 향상된 성능을 달성한다.
볼록 변분 원리에 의해 유도되는 측도의 샘플만으로 미지의 포텐셜을 복원하는 역문제를 연구하며, 순방향 문제 내부에 데이터 의존적 불일치를 추가한 강화된 Fenchel–Young 손실을 도입해 추정기의 보정을 유지하면서 손실의 국소 기하를 개선한다. 역 엔트로픽 불균형 최적 수송과 역 Jordan–Kinderlehrer–Otto(JKO) 학습에 이 원리를 적용하여 고확률 매개변수 복원 경계를 도출하고, 수치 실험을 통해 강화 기법이 희소 역-그라디언트-흐름 복원에 유리함을 보인다.
실수선상의 주어진 목표 측도 $ν$를 향한 최대 평균 차이(MMD) 범함수 $\mathcal F_ν:= \text{MMD}_K^2(\cdot, ν)$의 바서슈타인 그래디언트 플로우에 대해 포괄적으로 설명하며, 여기서는 음의 거리 커널 $K(x,y) := -|x-y|$에 초점을 맞춥니다. 1차원에서 바서슈타인-2 공간은 분위수 함수의 원뿔 $\mathcal C(0,1) \subset L_2(0,1)$로 등거리 매립될 수 있으며, 이는 $L_2(0,1)$에서 연관된 코시 문제의 해를 통한 바서슈타인 그래디언트 플로우의 특성화로 이어집니다. $L_2(0,1)$에서 $\mathcal F_ν$의 적절한 대응물 및 그 아미분계(subdifferential)의 구성을 기반으로, 우리는 코시 문제의 해를 제공합니다. 이산 목표 측도 $ν$의 경우, 이는 조각별 선형(piecewise linear) 해 공식으로 귀결됩니다. 우리는 $\mathcal C(0,1)$의 부분 집합에 대한 플로우의 불변성 및 평활화(smoothing) 성질을 증명합니다. 특정 $\mathcal F_ν$-플로우의 경우, 이는 초기 점 측도가 즉시 절대 연속(absolute continuous)이 되고 시간이 지남에 따라 그 상태를 유지함을 의미합니다. 마지막으로, 이분법(bisection) 알고리즘으로 쉽게 계산할 수 있는 암시적 오일러(Euler) 방식을 사용하여 다양한 수치 예제를 통해 플로우의 거동을 설명합니다. 연속 목표 $ν$의 경우, 제한된 수렴(convergence) 보장이 있지만, 명시적 오일러 방식도 사용할 수 있습니다.