フローマッチングは、学習された速度場を数値積分することにより、ノイズからデータを生成する生成モデルである。この過程において、積分ステップ数（NFE）は推論コストを直接決定するため、数値積分誤差を理解し低減することは、フローマッチングモデルの効率化に不可欠である。
Chenxi Tao氏とSeung-Kyum Choi氏による最新の論文では、速度場のどの特性が数値積分誤差を支配するかを深く調査している。研究者らは、速度場のヤコビアン行列を対称部分（ひずみ速度テンソルS）と反対称部分（渦度テンソルΩ）に分解し、この分解に基づいて系統的な分析を行った。
理論的分析により、ひずみと渦度は積分誤差において全く異なる役割を果たすことが明らかになった。ひずみはその対数ノルムを介して誤差を指数関数的に増幅させる一方、渦度は局所打ち切り誤差に線形にしか寄与しない。この発見は、ひずみ速度の制御が積分誤差低減の鍵であり、渦度の影響は比較的小さいことを示している。さらに、最適輸送速度場は無回転（渦度ゼロ）であり、その物質微分がゼロであることが証明された。この性質により、正確な変位補間に対しては、関連するラグランジュ粒子のダイナミクスが単純なオイラー法によって正確に積分可能であり、より複雑な積分器を必要としない。
これらの理論的洞察に基づき、著者らはひずみ重みαと渦度重みβを用いた重み付きヤコビアン正則化を提案した。2次元合成データを用いた実験では理論予測が確認され、NFE=5において積分誤差が最大2.7倍低減された。CIFAR-10画像生成の予備実験でも一貫した傾向が見られ、軽量な微調整手順によりNFE=10でFIDスコアが14%改善され、同時に高NFEでの生成品質も維持された。
本研究は、フローマッチングモデルの推論高速化に向けた新たな理論的指針を提供し、訓練中に速度場のひずみ速度を制御することの重要性を強調している。今後の研究では、より複雑な正則化戦略や大規模実データセットへの応用が期待され、フローマッチングの効率的な生成における実用化をさらに推進するであろう。