신경망 기반 람다 대수로 복잡계의 다중 스케일 수식 발견

한줄 요약

Deflex는 신경망과 람다 대수를 결합하여 복잡계에서 스케일별 수식을 자동으로 발견하는 방법이다.

풀어야 하는 문제

복잡계는 여러 스케일에서 서로 다른 형태의 수식(불변량, 분포 등)으로 표현될 수 있지만, 기존 AI 방법은 단일 스케일 시스템에 국한되어 다중 스케일 수식 발견이 어렵다.

접근 방법

Deflex는 두 서브시스템으로 구성된다: Deflexpressor는 고차 수식을 위한 람다 대수 기호 회귀 모델이고, Deflexformer는 스케일 간 통합 표현을 학습하는 분해 가능한 딥 에너지 모델이다. Deflexpressor가 합성 데이터를 생성하여 Deflexformer를 사전 훈련시키고, Deflexformer는 다중 스케일 잠재 관계를 분리하여 수식 발견을 안내한다.

결과·기여

여섯 가지 다양한 복잡계(예: 물리 시스템, 생물학적 네트워크)에서 최첨단 방법 대비 최대 7배 높은 효율을 달성했으며, 자동화된 다중 스케일 발견을 가능하게 했다. 학제 간 과학 발견에 유용한 도구가 될 수 있다.