본 논문은 비유클리드 데이터, 특히 위상 구조를 갖는 그래프 데이터에서의 일반화 능력을 개선하기 위해 물리학에서 영감을 받은 그래프 Transformer 모델인 AdvDIFFormer를 제안합니다. AdvDIFFormer는 관측된 및 잠재적인 위상 구조를 갖는 연속적인 메시지 전달 과정을 기술하는 이류 확산 방정식에서 유도됩니다. 논문은 AdvDIFFormer가 위상 변화에 대한 일반화 오류를 제어할 수 있는 입증 가능한 능력을 가지고 있으며, 이는 기존 그래프 확산 모델에서는 보장할 수 없음을 보여줍니다. 실험적으로, 정보 네트워크, 분자 스크리닝 및 단백질 상호 작용 등 다양한 예측 작업에서 우수한 성능을 보입니다.