연구진은 스코어 매칭이 평균 오류를 제어하지만, 이산화된 역시간 샘플러는 학습된 스코어를 자체 경로에 따라 평가한다고 밝혔습니다. 작은 순방향 마진 오류가 수치적 안정성을 보장하지 않는다는 것을 보여주었습니다.
단일 부드러운 스코어 필드를 구성하여 순방향 마진 $L^2$ 오류를 임의로 작게 만들었지만, Euler-Maruyama 이산화는 확률적으로 수렴하는 동시에 모든 양의 모멘트가 발산하는 현상이 나타났습니다.
연구진은 덴오이저 투영을 통해 수치적 안정성을 확보하고, 전체 경로 오류는 작게 유지하면서 드물게 발생하는 수치 경로의 성장을 억제할 수 있음을 확인했습니다.