본 논문은 약물 발견 분야에서 분자 단편을 다양한 약물 후보로 조합하는 링커 생성 문제를 다룬다. 기존 방법은 3D 점 구름(PC) 사용 여부에 따라 PC-Free 및 PC-Aware 방법으로 분류되는데, PC-Free는 다양성은 높지만 PC 제약을 무시하여 유효성이 낮고, PC-Aware는 유효성은 높지만 PC 제약으로 다양성이 낮다는 한계가 있다. 본 논문은 추가적인 학습 없이 이러한 상충관계를 극복하기 위해, 사전 학습된 PC-Free 모델의 다양한 결합 토폴로지를 가이드로 활용하여 PC-Aware 추론을 향상시키는 HybridLinker 프레임워크를 제안한다. 핵심적으로, PC-Free와 PC-Aware 공간을 연결하는 에너지 기반 함수를 통해 분자 토폴로지와 3D 점 구름을 연결하는 최초의 확산 사후 확률 샘플링(DPS) 방법인 LinkerDPS를 제안한다. PC-Free 모델의 다양한 샘플링 분포를 PC-Aware 분포로 전이함으로써, HybridLinker는 기존 방법보다 유효성과 다양성을 모두 향상시켜 기초적인 분자 설계 및 적용된 특성 최적화 작업에서 성능을 크게 향상시킨다. 이는 이미징 분야를 넘어 분자 및 그래프 영역에서 새로운 DPS 프레임워크를 제시한다.
