Veri bilimi alanında karşılaşılan en temel zorluklardan biri, birbirinden farklı özelliklere sahip veri kümelerinin birbiriyle eşleştirilmesi problemidir. Bu alanda kullanılan geleneksel optimal transport yöntemleri, noktalar arasındaki yer değiştirmeleri minimize etmede başarılı olsa da, döndürme işlemlerine karşı oldukça hassas davranmaktadır.
Araştırmacılar, bu sınırlamayı aşmak için Gromov-Wasserstein (GW) çerçevesini kullanarak yeni bir yaklaşım geliştirdi. Ancak bu yöntem de kendi içinde dışbükey olmayan ve hesaplama açısından zorlu bir optimizasyon problemi ortaya çıkarıyordu.
Yeni çalışmada, bilim insanları geniş bir distorsiyon ceza sınıfını tanımlayarak, bu sorunu yükseltilmiş bir özellik uzayında basit bir hizalama problemine dönüştürmeyi başardı. Bu yaklaşımdan yola çıkarak, doğrusal bellek ayak izi ve karesel zaman karmaşıklığına sahip yinelemeli bir GW çözücüsü geliştirildi.
Geliştirilen algoritma, diferansiyellenebilir özellikte olup güçlü teorik garantilerle destekleniyor. En önemlisi, yüz binlerce veri noktasını dakikalar içinde işleyebilme kapasitesi sunuyor. Bu verimlilik artışı, çok çeşitli geometrik uygulamaların kapısını açıyor ve GW enerji manzarasının keşfedilmesini mümkün kılıyor.