연구진은 생성 모델이 저차원 다양체에 존재하며, 이 다양체에서 미분 가능한 목표를 최적화하는 것이 어렵다는 점에 주목했어요.
차이형 최적화는 확산 및 흐름 모델이 데이터 다양체에서 더 단순한 기준 공간으로의 맵을 제공하며, 이를 통해 데이터 다양체에서 리만 기하학적 기울기 하강을 수행할 수 있음을 보여줘요.
차이형 최적화는 FrameFlow 대비 2배 빠른 속도로 단백질 결합 친화력을 능가하며, PDB 테스트 세트에서 로제타 에너지를 수천 단위 줄여요.