논문 정보
- 날짜:
2026-03-06 - 카테고리: -
- 우선순위 점수: 0.0
핵심 요약
학습 시 보지 못한 소스 및 타겟 분포 쌍에 대해 일반화가 가능한 분포 조건부 수송(DCT) 프레임워크를 제안합니다. 임의의 분포 쌍으로부터 학습하여 데이터가 부족한 조건에서도 예측 성능을 높이는 준지도 학습 기능을 제공합니다. 생물학적 배치 효과 전이, 섭동 예측, 클론 전사 역학 등 다양한 실제 바이오 데이터 벤치마크에서 성능을 입증했습니다.학습자 관점 포인트
- 우리 팀 영향: 분포 간의 매핑을 조건화하여 일반화 성능을 높임으로써, 데이터가 제한적인 생물학적 실험 조건의 예측 모델링에 기여할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: Flow matching 등 기존 수송 메커니즘에 구애받지 않는 범용 프레임워크이며, 바이오 도메인의 실제 적용 사례가 구체적이므로 재현 가치가 높습니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.04736
- Hugging Face Papers: https://huggingface.co/papers/2603.04736