في تطور مثير في عالم الذكاء الاصطناعي، تم تقديم إطار عمل جديد للنمذجة التوليدية في الفضاءات المحدودة، والذي يعتمد على استخدام نظرية فازرشتاين المنفصلة (Discrete Wasserstein Geometry). هذا النموذج الثوري يهدف إلى توسيع النمذجة التوليدية لتشمل مجالات جديدة خارج النطاقات المستمرة، من خلال تعريف تدفق غير خطي مستند إلى KL (Kullback-Leibler) عبر التحولات التي تتحكم بها نواة ماركوف العكسية.

إن تنفيذ هذا التدفق الاحتمالي على مستوى الجسيمات يساعد في تحقيق قفزات ماركوف، حيث يتم دمج التحديثات الناتجة ضمن مولد مشروط على المستوى الكامن. وبالتالي، تتم هذه الديناميكيات التكرارية فقط أثناء التدريب، مما يضمن أن الاستدلال يبقى خطوة واحدة فقط.

في الإعدادات المسيطرة، حيث يمكن حساب التوزيعات الأساسية وديناميكيات النقل بدقة، تم التحقق من توفير أكد استنزاف KL والتناسق بين ديناميكيات الجسيمات والتدفق الاحتمالي، وكذلك التدرج العددي المتوقع.

علاوة على ذلك، أظهرت الأبحاث أن مولداً عصبيًا ذو سعة محدودة قادر على متابعة هذه الأهداف الدقيقة في النقل مع الاحتفاظ بإمكانية جيل خطوة واحدة. هذه النتائج تعزز البناء الأساسي للتقنية، مما يوفر أساساً لتوسيع مفاهيم التحول المنفصل إلى البيانات الهيكلية المحدودة.