Masked diffusion models (MDMs)을 활용한 분자 생성 연구에서, 기존 MDMs의 성능 저하 문제를 '상태 충돌' 문제로 진단하고, 이를 해결하기 위해 원소별 부패 궤적을 조정하는 Masked Element-wise Learnable Diffusion (MELD)를 제안한다. MELD는 원자 및 결합과 같은 개별 그래프 요소에 서로 다른 부패율을 할당하는 파라미터화된 노이즈 스케줄링 네트워크를 사용한다. 다양한 분자 벤치마크에서 MELD는 전반적인 생성 품질을 향상시키고, ZINC250K 데이터셋에서 일반 MDMs의 화학적 유효성을 15%에서 93%로 증가시켰으며, 조건부 생성 작업에서 최첨단 성능을 달성했다.
