GFlowState: 생성 흐름 네트워크(GFN) 훈련 과정을 시각화하는 시스템

요약

본 논문은 생성 흐름 네트워크(Generative Flow Networks, GFNs)의 훈련 과정을 심층적으로 분석할 수 있는 시각 분석 시스템인 GFlowState를 소개합니다. GFN은 보상 함수에 비례하여 샘플을 생성하는 확률론적 프레임워크로, 분자 및 재료 발견 등 다양한 분야에서 강력한 도구입니다. 하지만 모델이 샘플 공간을 어떻게 탐색하고, 궤적(trajectory)을 구성하며, 샘플링 확률을 변화시키는지 그 내부 역학은 해석하기 어려웠습니다. GFlowState는 후보 순위 차트, 상태 투영, 궤적 네트워크 노드-링크

핵심 포인트

• GFlowState는 생성 흐름 네트워크(GFN)의 훈련 과정을 시각화하여 모델의 샘플링 행동과 정책 진화를 분석할 수 있게 합니다.
• 이 시스템은 후보 순위 차트, 상태 투영, 궤적 네트워크 노드-링크 다이어그램, 전이 히트맵 등 다양한 시각적 뷰를 제공합니다.
• GFlowState를 통해 개발자는 모델이 충분히 탐색하지 못한 영역(underexplored regions)이나 훈련 실패의 원인을 식별하여 GFN의 해석 가능성을 높일 수 있습니다.