Iterated Energy-based Flow Matching을 통한 비정규 밀도 샘플링

Iterated Energy-based Flow Matching for Sampling from Unnormalized Densities

연구 내용

에너지 함수 평가로부터 비정규 분포를 샘플링하기 위해 off-policy iterated energy-based flow matching(iEFM)과 시뮬레이션 비의존 학습 목적을 설계하는 연구

비정규 밀도에 대한 확률적 추론은 관측 데이터나 시뮬레이션에서 에너지 함수 또는 정규화되지 않은 분포만 사용할 때 핵심 병목이 됩니다. 본 연구는 Monte Carlo로 구성되는 한계 벡터장(marginal vector field)을 예측하도록 학습 목적을 구성하여 continuous normalizing flow를 효율적으로 최적화합니다. 또한 시간지연 생성과 collective variable 학습을 통해 분자계의 느린 장기 동역학을 반영하는 샘플링을 수행합니다. 이를 통해 희귀 사건, 자유에너지 차이, 전이 경로 등 추론 대상에 직접 적용 가능한 생성·추적 프레임워크를 구축합니다.

관련 프로젝트

1건

연구 흐름

초기에는 에너지 기반 모델에서 필요한 정보가 ‘정규화 상수’가 아니라 에너지 함수 평가라는 점에 주목하여, off-policy로 continuous normalizing flow를 학습하는 흐름을 확립했습니다. 이후 시뮬레이션 없이 학습을 수행하는 에너지 기반 flow matching 목적을 일반화하여 다양한 조건부 경로로 확장하는 방향으로 연구를 진행했습니다. 최근에는 분자 동역학의 느린 자유도 포착을 위해 time-lagged generation을 collective variable에 조건화하는 방식으로 응용을 확장하여, 자유에너지 추정과 전이 경로 샘플링까지 연결하는 궤적을 보입니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비정규 밀도 기반 생성 모델
샘플링 효율 향상 기법
희귀 사건 확률 경로 추정
분자 평형 분포 모델링
자유에너지 차이 추정
전이 경로 샘플링
에너지 함수 기반 확률 추론
조건부 생성 경로 설계
연속 흐름 기반 불확실성 정량화
샘플링 안정화용 학습 목적