Graph Energy Matching：グラフ生成のための輸送整合エネルギーベースモデリング
arXiv stat.ML / 2026/3/25
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、条件付き生成や制約の強制などの合成可能な推論タスクを可能にするために、相対的な尤度をモデル化するエネルギーベースの生成フレームワークであるGraph Energy Matching（GEM）を提案する。
- GEMは、離散エネルギーベースモデルの主要な弱点である、サポート外領域における紛らわしい局所ミニマムによって生じる非効率的または不安定なサンプリングを解決し、それによって、離散拡散アプローチに対する歴史的な忠実度のギャップを縮める。
- 本手法は、JKOスキームを輸送写像（トランスポート・マップ）の最適化として捉える観点に動機づけられており、順列不変なポテンシャルエネルギーを学習することで、ノイズからデータへサンプルを導くだけでなく、高い尤度の領域でそれらを洗練（リファイン）する。
- 新しいサンプリング手順では、エネルギーベースのスイッチを用いて、急速な勾配誘導による輸送から、学習したグラフ分布をより広く探索するための混合（ミキシング）レジームへ移行する。
- 分子グラフのベンチマークに関する実験により、GEMは強力な離散拡散ベースラインに対して同等、またはそれを上回ることが示される。さらに、性質を制約したサンプリングや、グラフ間の測地線補間といった推論時の能力も支持される。
