Drift-Diffusion Matching: Embedding dynamics in latent manifolds of asymmetric neural networks
이 논문은 비대칭 연속 시간 순환 신경망이 임의의 비선형 확률 미분 방정식을 저차원 잠재 매니폴드 내에 충실하게 임베딩할 수 있도록 훈련하기 위한 프레임워크인 "드리프트-확산 매칭(drift-diffusion matching)"을 소개하며, 이를 통해 어트랙터 네트워크 이론을 평형 상태를 넘어 연상 및 일화 기억과 같은 복잡한 생물학적 역학을 모델링하는 단계로 확장한다.