기하학을 활용한 베지어 볼록 확률 회로

초록

본 논문은 확률 회로(PC)의 합 노드에 베지어(보로노이) 구획을 도입해 입력 데이터의 지역적 기하 구조를 반영하는 방법을 제안한다. 직접적인 베지어 게이팅은 적분을 복잡한 다면체 영역으로 제한해 정확한 추론을 방해하지만, 저자는 (1) 축에 정렬된 박스 근사로 하한·상한을 제공하는 인증된 근사 추론 프레임워크와, (2) 회로 분해와 정렬된 베지어 구획을 결합해 정확하고 효율적인 추론을 가능하게 하는 구조적 조건을 제시한다. 또한, 온도 스케일링을 이용한 연속적인 소프트 게이팅을 도입해 미분 가능하게 학습하고, 테스트 시 하드 베지어 할당으로 전환한다. 실험은 표준 밀도 추정 벤치마크에서 제안 방법이 기존 PC 대비 향상된 성능과 해석 가능성을 보여줌을 확인한다.

상세 분석

이 논문은 확률 회로(Probabilistic Circuits, PC)의 핵심 제한점인 “데이터 독립적인 혼합 가중치”를 극복하고자, 입력 공간을 베지어(Voronoi) 테셀레이션으로 분할하는 기하학적 라우팅 메커니즘을 도입한다. 베지어 셀은 중심점 집합에 대한 최근접성에 따라 다차원 공간을 볼록 다면체로 나누며, 각 셀은 하나의 전문가 서브서킷에 할당된다. 이 접근법은 지역별 전문가가 데이터 매니폴드의 로컬 구조를 학습하도록 유도해 모델의 표현력을 크게 확대한다는 점에서 혁신적이다.

하지만 베지어 셀은 축에 정렬되지 않은 경계(斜면)를 갖는 다면체이므로, PC의 핵심 구조적 속성인 smoothness(합 노드의 자식이 동일 스코프를 공유)와 decomposability(곱 노드의 자식 스코프가 서로 불교차)와 충돌한다. 구체적으로, 베지어 게이팅이 적용된 합 노드의 파티션 함수는
\