Krishnakumar Balasubramanian氏は2026年5月21日(現地時間)、学術論文投稿サイトarXivを通じて、1ステップ生成モデリングにおける保守的および非保守的ドリフティングモデルの有限粒子収束率に関する研究結果を発表した。この研究では、従来のドリフティング速度をカーネル密度推定器（KDE）勾配速度に置き換えることで、一般的な変位ベースのドリフティングフィールドで指摘されていた非保守性の問題に対処する新たな保守的ドリフティング手法を提案している。
提案された保守的ドリフティング手法は、元の変位ベースのドリフティング速度を、カーネル平滑化されたデータスコアとカーネル平滑化されたモデルスコアの差であるカーネル密度推定器（KDE）勾配速度に置き換える。これにより、この速度は勾配場となり、変位ベースのドリフティングフィールドにおける非保守性の問題に対応する。
研究では、R^d 上の保守的ドリフティング手法に対する連続時間有限粒子収束境界を証明している。結合エントロピー同一性を用いることで、経験的 Stein ドリフト、KDE の平滑化された Fisher 不一致、および二乗中心速度の境界が導出された。主な有限粒子補正は相互KDE自己相互作用項であり、この項が制御される決定論的および高確率の局所占有条件が提示された。
また、四分法定数は明示的に保持され、その帯域幅依存性が追跡されている。追加の h-一様四分法正則性条件下では根残差速度 N^(-1/(d+4)) が成立し、より一般的な成長条件下では最適化された根速度 N^(-(2-β)/(2(d+4-β))) （ここで 0 ≤ β < 2）が得られることが示された。
さらに、Laplaceカーネルを用いた非保守的ドリフティング手法も分析された。この手法では、鋭いコンパニオンカーネルが速度を分解し、避けられない残差項を伴う同様の有限粒子速度が生成される。最終的に、連続時間残差速度境界が、明示的なドリフトサイズ η を通じて、1ステップ生成保証にどのように変換されるかについて説明されている。
参考: arXiv stat.ML (アーカイブ) — 2026年5月22日 02:49 (JST)
原文ハイライト"We propose and analyze a conservative drifting method for one-step generative modeling."