본 논문은 통계 물리학에서 열역학적 평형 상태의 분자 상태를 확장 가능하게 샘플링하는 문제를 해결하기 위해 순차적 볼츠만 생성기(SBG) 프레임워크를 제시합니다. SBG는 중요도 샘플링과 결합된 정규화 흐름(normalizing flow)을 사용하여 목표 분포 하에서 상관되지 않은 샘플을 얻습니다. 기존 방법들의 등변 연속 흐름과 달리, 본 논문에서는 모든 원자의 데카르트 좌표를 직접 처리하는 고효율 Transformer 기반 정규화 흐름을 제안합니다. 정확히 역변환 가능한 비등변 구조를 활용하여 샘플 생성 및 가능도 평가 모두에서 높은 효율성을 달성합니다. 이러한 효율성을 통해 표준 중요도 샘플링을 넘어 더욱 정교한 추론 전략을 가능하게 합니다. 특히, 연속 시간 순차적 몬테카를로(sequential Monte Carlo)의 변형을 사용하여 흐름 샘플을 어닐링 랑주뱅 역학(annealed Langevin dynamics)으로 목표 분포 방향으로 이동시켜 추론 시간 동안 흐름 샘플의 스케일링을 수행합니다. SBG는 펩타이드 시스템에 대한 모든 지표에서 최첨단 성능을 달성하며, 기존 볼츠만 생성기로는 다루기 어려웠던 트리펩타이드, 테트라펩타이드 및 헥사펩타이드의 데카르트 좌표에서 최초의 평형 샘플링을 시연합니다.
