동역학 시스템에서 위상적 OOD 일반화 가능케 한 신기술 등장

NeurIPS 2026 논문 'Topological Out-of-Domain Generalization in Dynamical Systems Reconstruction'은 주기적 행동에서 카오스적 행동으로의 전환과 같은 위상적 레짐 변화에 대해 최신 모델이 일반화에 실패하는 문제를 다룬다.

문제: 위상적 OOD 일반화

표준 시계열 예측(TSF) 및 동역학 시스템 재구성(DSR) 모델은 통계적 규칙성에 의존하므로, 알려지지 않은 제어 매개변수에 의해 유발된 티핑 포인트나 분기점을 시스템이 넘을 때 실패한다. 기후 변화, 간질 뇌 활동, 패혈증 진행 등 근본적인 동역학 레짐이 변하는 상황에서 이 한계는 치명적이다.

해결책: 수정된 계층적 DSR

저자들은 이전 계층적 DSR 모델에서 제어 매개변수의 올바른 학습을 방해하는 주요 실패 모드를 식별했다. 피처 분할과 물리적 희소성 사전을 적용한 수정된 모델은 다음을 성공적으로 수행한다:

• 동역학 시스템과 제어 매개변수를 결합하여 추론한다.
• 분기점 및 분기점 이후의 동역학을 예측한다.
• 학습 중 제어 매개변수에 대한 명시적 지식 없이 작동한다.

검증

이 접근법은 일반적이며, 특히 shallow PLRNNs와 Neural ODEs 등 다양한 이산 및 연속 시간 RNN으로 테스트되었다.