تُصمَّم خاصية النقل الذاتي الأمثل (Self-Optimal-Transport - SOT) لتحسين مجموعة الخصائص لمثال بيانات بهدف تسهيل المهام ذات الصلة بالتطابق أو التجميع في المراحل اللاحقة. تقوم المجموعة المحولة بترميز تمثيل غني للعلاقات من الرتبة العالية بين خصائص المثال. تلتقط المسافات بين الخصائص المحولة تشابهها الأصلي المباشر وتوافقها الثالث بشأن التشابه مع الخصائص الأخرى في المجموعة. يؤدي مشكلة التطابق الكسري بأقل تكلفة وأقصى تدفق محددة إلى تحويلنا الاستدلالي الذي يكون فعالًا، قابلًا للمفاضلة، متكيفًا، بلا معلمات، وقابلًا للتفسير احتماليًا. بشكل تجريبي، يثبت التحويل أنه فعال للغاية ومرونة في استخدامه، حيث يحسن باستمرار الشبكات التي يتم إدخاله إليها في مجموعة متنوعة من المهام والخطط التدريبية. نوضح فوائده من خلال مشكلة التجميع غير المنظور (Unsupervised Clustering) وكفاءته وتطبيقه الواسع في تصنيف القليل من العينات (Few-Shot Classification)، مع تحقيق نتائج رائدة على مستوى العالم، وكذلك في إعادة تعريف الشخصيات على نطاق كبير (Large-Scale Person Re-Identification).