[논문] 신경망 기반 람다 계산으로 복합 시스템의 다중 스케일 심층 공식 발견

출처: arXiv - 2606.07426v1

개요

과학에서 근본적인 문제는 복잡계의 근본적인 패턴을 간결한 수학식 형태로 식별하는 것이다. 현재 인공지능(AI) 기반 방법들은 단일 스케일 시스템에서 강력한 성능을 보여주었지만, 다중 스케일 복잡계에서 스케일별 특화된 수식을 식별하는 데는 한계가 있다. 우리는 복잡계로부터 잠재적으로 서로 다른 형태(불변량 및 분포 포함)의 다중 스케일 수식을 자동으로 추출하는 종단‑종단 AI 방법인 Deflex를 제안한다. Deflex는 Deflexformer와 Deflexpressor라는 두 하위 시스템으로 구성된다. Deflexpressor는 고차 수식을 위한 λ-계산 기호 회귀 모델이며, Deflexformer는 스케일을 초월한 통합 표현을 학습하기 위한 분해 가능한 딥 에너지 모델이다. Deflexpressor는 합성 데이터를 생성해 Deflexformer를 사전 학습시키고, 이후 Deflexformer는 다중 스케일 잠재 관계를 분리함으로써 수식 발견을 안내한다. 다양한 행동을 보이는 6개의 대표 복잡계에 대해 Deflex는 최신 방법들에 비해 최대 7배 높은 효율성을 달성하면서 자동화된 다중 스케일 발견을 가능하게 한다. 우리의 연구는 학문 전반에 걸친 과학적 발견을 위한 유용한 도구가 될 수 있다.

주요 기여

이 논문은 다음 분야의 연구를 제시한다.

• cs.LG

방법론

자세한 방법론은 전체 논문을 참고하시기 바랍니다.

실용적 함의

본 연구는 cs.LG 분야의 발전에 기여한다.

저자

• Hanqiao Yu
• Shusen Yang
• Xuebin Ren
• Cong Zhao

논문 정보

• arXiv ID: 2606.07426v1
• 분류: cs.LG
• 출판일: 2026년 6월 5일
• PDF: PDF 다운로드