확산 모델의 뛰어난 생성 능력에도 불구하고, 엄격한 물리적, 구조적, 작동적 제약 조건을 준수해야 하는 안전 중요도가 높거나 과학적으로 엄격한 애플리케이션에 통합하는 데 어려움이 있습니다. 이 논문에서는 사용자 정의 기능 및 논리적 제약 조건 하에서 인증 가능한 일관성 있는 샘플 생성을 가능하게 하는 확산 단계와 기호 최적화를 교차하는 새로운 프레임워크인 신경 기호 확산(NSD)을 소개합니다. 이 주요 기능은 표준 및 이산 확산 모델 모두에 제공되어, 제약 조건을 준수하는 연속(예: 이미지 및 궤적) 및 이산(예: 분자 구조 및 자연어) 출력을 처음으로 생성할 수 있게 합니다. 이 기능은 세 가지 주요 과제를 아우르는 작업에서 입증되었습니다. (1) 비독성 분자 생성 및 충돌 없는 궤적 최적화 맥락에서의 안전성; (2) 신약 발견 및 재료 공학과 같은 분야의 데이터 부족; (3) 기호 제약 조건을 적용하면 훈련 분포를 넘어 적응이 가능해지는 도메인 외 일반화.