Diffusion 모델 롤아웃 오류 예측

새 연구는 시간에 따라 전개되는 동적 시스템에서 rollout 중 누적되는 오류를 ground truth 없이 추정하는 방법을 제안했다.

하나의 조건부 latent diffusion 모델에 시간 방향 플래그를 추가해 순방향과 역방향 모두를 예측하도록 학습한다. 시스템을 여러 단계 순방향으로 전개한 뒤 다시 역방향으로 되돌렸을 때 시작 상태로 복귀해야 한다는 점을 이용해, 시작 상태와 최종 상태의 round-trip discrepancy를 실제 rollout 오류의 자기지도 proxy로 사용한다.

이 방식은 별도 앙상블이나 held-out 데이터, governing equation 없이 추가적인 왕복 rollout 한 번으로 테스트 시점 오류 신호를 얻는 것이 특징이다. 연구진은 CELEBV-HQ 비디오와 난류 플라즈마장 디지털 트윈에서 방법을 평가했으며, 양방향을 하나의 모델로 학습한 방식이 순방향·역방향별 전문 모델 두 개를 사용하는 방식보다 양쪽 방향에서 더 나은 성능을 보였다고 보고했다.

논문과 데이터 생성·학습·분석 코드는 각각 arXiv와 GitHub에 공개됐다.