연구진은 가우시안 프로세스(GP)와 선형 확산 모델 간의 명확한 동등성을 확립했어요. 이를 통해 예측 샘플링을 폐쇄형 가우시안 역학 및 likelihood에 의존하는 안내 용어를 갖는 ODE로 재구성했어요. 이 방법은 비선형 물리, 대규모 언어 모델을 통한 자연어 처리까지 가능하게 합니다.
화이트닝은 줄어들 수 없는 비가우시안 역학을 분리하여 Wasserstein-2 수송 비용을 최소화하고 수치적 강성을 제거합니다. 결과적으로 맞춤형 파생 없이 사용할 수 있는 일반적인 GP 추론 방식이 탄생했어요.
이 연구는 실제 지식을 조건부 정보로 통합하는 새로운 방법을 제시하여 실제 문제를 확률적으로 모델링하는 데 새로운 지평을 열었습니다.