تزداد أهمية طرق النقل الأمثل المتشعب (Branched Optimal Transport - BOT) بشكل ملحوظ في تصميم الشبكات، حيث تُعتبر مستوحاة من الهياكل الطبيعية الشجرية مثل التي نجدها في الأنهار والأنظمة البيولوجية. وعلى الرغم من فعالية هذه الطرق، إلا أنها لا تزال قيد الدراسة في السياقات المتعلقة بتصميم نماذج توليدية عميقة، خصوصًا على نطاق واسع.

تعتمد النماذج المتولدة المستمرة التقليدية، مثل نهج تطابق التدفق، على تصورات قد تفشل في التقاط الأنماط الهرمية والمتشعبة المتواجدة في البيانات الواقعية. كما أن النماذج الحالية لا توفر آلية تسمح بتداخل التدفقات أو مشاركة المسارات من أجل تقليل تكاليف النقل الإجمالية.

وفي ضوء مبدأ "اقتصاد الحجم" في BOT، تم تقديم خوارزمية جديدة وقابلة للتوسع لتطابق التدفق المتشعب، مصممة لحل مشكلات النقل الأمثل المتشعب في أبعادٍ عالية. تعتمد طريقتنا على صيغة النقل الأمثل المستمر لبينامو وبريير، لتعلُم التدفقات المتولدة المتشعبة، مما يسمح بتجميع الكتلة الاحتمالية على طول المسارات المشتركة قبل الانتشار إلى أهداف متنوعة.

معتمدة على الشبكات العصبية، تبرهن طريقتنا على فعاليتها في المهام المعقدة في مجالات البيولوجيا وتوليد الصور. من خلال دراسة هذه الأساليب، نجد أن القدرات الكامنة في BOT توفر حلاً واعدًا لمواجهة التحديات في معالجة البيانات بشكل فعّال ودقيق.