학습된 확산 제안(Learned Diffusion Proposals)이 제약 조건 해결에 도움이 되는 시점은 언제인가? 연속 대수 시스템에

요약

연속 대수 제약 조건 시스템 해결을 위해 그래프 신경 확산 디노이저를 활용한 MARC 프레임워크를 제안합니다. 학습된 확산 제안이 무작위 탐색 대비 고차원 문제에서 압도적인 성능을 보임을 입증하며, 솔버 개선이 유효한 영역을 분석합니다.

핵심 포인트

• 그래프 신경 확산 디노이저를 통한 구조적 증강 제안
• 고차원 문제에서 무작위 다중 시작 방식보다 압도적 성능
• 저차원 계열에서는 무작위 재시작과 대등한 성능
• 변수 결합도가 높은 영역에서는 학습된 제안의 이점 감소
• 로보틱스, 최적화 등 실제 시스템에서의 유효 영역 매핑