본 논문은 약물 발견 분야에서 분자 조각들을 다양한 약물 후보로 조합하는 분자 링커 생성 문제를 다룬다. 기존 방법들은 3D 구조 정보 활용 여부에 따라 point cloud-free 및 point cloud-aware 방식으로 나뉘는데, 전자는 다양성은 높지만 공간적 제약 무시로 유효성이 낮고, 후자는 유효성은 높지만 공간적 제약으로 다양성이 낮다는 한계가 있다. 이를 해결하기 위해 본 논문은 point cloud-free 모델의 다양한 결합 토폴로지를 활용하여 point cloud-aware 추론을 향상시키는 HybridLinker 프레임워크를 제안한다. 핵심은 point cloud-free 및 point cloud-aware 공간에서 동작하는 최초의 확산 사후 확률 표본 추출(DPS) 방법인 LinkerDPS로, 에너지 기반 함수를 통해 분자 토폴로지와 3D point cloud를 연결한다. point cloud-free 모델의 다양한 표본 분포를 point cloud-aware 분포로 전이함으로써 유효성과 다양성을 모두 향상시킨다.
