읽을 가치가 있는 기사만, 짧고 또렷하게.

플랫폼에서 오랜 기간 활동해 온 사용자들 사이에서 서비스 변화 이후 이탈하는 경험이 공유되고 있습니다. 사용자들은 서비스가 변화하는 과정에서 떠나게 된 구체적인 이유들을 논의하고 있으며, 이는 플랫폼 운영 방식에 대한 중요한 시사점을 제공합니다.

이들이 서비스를 떠나는 주요 원인으로는 가격 변경, 게시물의 AI 학습 활용, 새로운 소유주나 정책 도입, 그리고 더 이상 개인을 위해 만들어지지 않는 서비스라는 느낌 등이 다양하게 언급되고 있습니다. 이러한 변화들은 사용자 경험에 직접적인 영향을 미치며 플랫폼의 지속 가능성에 대한 질문을 던지고 있습니다.

결국 이들은 더 큰 규모의 서비스로 이동하거나 새로운 대안을 모색하고 있습니다. 이는 단순히 서비스의 기능적 변화를 넘어, 사용자 데이터의 활용 방식과 서비스의 철학, 그리고 소유권에 대한 인식이 서비스 이탈에 결정적인 영향을 미친다는 것을 보여줍니다.

블랙홀의 중력장을 이용하여 우주선을 궤도를 휘게 하고 정거장에 도킹시키는 게임에 대한 내용입니다. 이 게임은 플레이어가 우주선을 직접 조종하는 방식이 아니라 블랙홀의 중력 효과를 활용하여 우주선의 궤도를 조작하는 물리 기반의 게임입니다.

플레이어는 빈 공간을 길게 클릭하여 물질을 소모함으로써 블랙홀을 키울 수 있습니다. 이 과정에서 플레이어는 배치한 블랙홀의 위치와 물질량을 직접 조절할 수 있는 상호작용을 경험하게 됩니다.

이러한 블랙홀 조작을 통해 우주선을 원하는 궤도로 이동시키고 정거장에 도킹시키는 것이 게임의 핵심 목표입니다. 우주선 발사 전에는 점선을 이용하여 비행 경로를 설정하게 되며, 이는 블랙홀의 중력장과 물질량 조절에 따라 영향을 받습니다.

FTL은 운영체제를 사용자 공간의 라이브러리로 구현하여 개발자들이 애플리케이션을 작성하는 것처럼 기능 추가, 디버깅, 안전한 업그레이드를 수행할 수 있도록 하는 새로운 운영체제 접근 방식입니다. 이는 기존 운영체제의 복잡성을 줄이고 개발 편의성을 극대화하는 것을 목표로 합니다.

FTL 아키텍처에서 각 컨테이너는 사용자 공간 운영체제(User Space OS)를 실행하게 되며, FTL 커널은 Linux 시스템 호출을 사용자 공간에서 구현하는 데 필요한 최소한의 인터페이스만을 제공합니다. 이러한 설계는 컨테이너 환경에서 시스템 호출 처리의 효율성과 보안성을 높이는 데 중점을 둡니다.

이러한 접근 방식은 클라우드 환경에서 컨테이너의 안정성과 보안을 강화하면서도, 개발자가 시스템 레벨의 제어에 더 쉽게 접근할 수 있도록 지원합니다. 결과적으로 개발자는 복잡한 커널 인터페이스를 직접 다루지 않고도 애플리케이션 개발에 집중할 수 있게 됩니다.

개발자들이 왜 플랫폼을 덜 사용하려 하는지에 대한 질문은 웹 표준과 성능을 주장하는 옹호자들의 주장에 대한 반론으로 시작됩니다. 많은 개발자들은 브라우저가 제공하는 기능을 사용하기보다 직접 구축하는 것을 선호하는데, 이는 역사적인 배경과 익숙함에서 비롯됩니다. 과거에는 브라우저가 생태계를 따라잡는 데 시간이 걸렸기 때문에 자체 구현이 합리적인 선택이었으며, 개발자들은 npm에서 React 컴포넌트나 특정 문제 해결을 위해 이미 존재하는 라이브러리를 찾는 것에 익숙합니다.

또한, 플랫폼 API 대신 더 익숙한 형태를 제공하는 라이브러리를 사용하는 경향도 있습니다. 예를 들어, 일부 개발자들은 순수한 성능을 위해 DOM API를 사용하면서도 초보자가 이해하기 쉬운 상위 수준의 프레임워크 원시값을 노출하는 라이브러리를 선호합니다. 이러한 현상은 문서의 분산과 외부 라이브러리(jQuery 등)에 대한 의존성 때문에 발생하기도 합니다.

더 깊은 관점에서 보면, 일부 개발자들에게는 직접 구축하는 과정 자체가 즐거움이 될 수 있습니다. 복잡한 웹 플랫폼을 구축하는 과정에서 학습하고, 애니메이션이나 테마를 추가하며 자신만의 코드를 다듬는 '이케아 효과'가 발생합니다. 이러한 경험은 단순히 완성된 솔루션을 사용하는 것보다 훨씬 재미있고, 결과적으로 더 나은 코드를 만드는 동기가 됩니다.

피터 사흘린스(Peter Sahlins)의 저서에 대한 리뷰 기사가 공개되었습니다. 이 기사는 'Neanderthals Among Us'라는 제목의 작품에 대한 평가를 담고 있으며, 역사 관련 주제를 다루는 매체인 히스토리투데이(History Today)에 게재되었습니다.

해당 기사는 사흘린스의 연구나 저서를 다루는 독자들에게 작품의 내용과 맥락을 이해하는 데 도움을 줄 수 있습니다. 리뷰를 통해 독자들은 해당 작품이 역사적 맥락에서 어떤 의미를 가지는지 파악할 수 있습니다.

현재 제공된 자료에는 기사의 구체적인 내용이나 리뷰의 상세한 분석은 포함되어 있지 않으므로, 이 기사를 통해 작품에 대한 비평적 관점을 얻고자 하는 독자들에게 참고 자료로 활용될 수 있습니다.

우라늄 큐브 분석을 통해 나치 독일이 원자폭탄을 개발할 가능성이 없었다는 사실이 드러났습니다. 이 연구 결과는 나치 독일이 원자폭탄 개발에 필요한 핵심적인 물질과 기술적 기반을 확보하는 데 심각한 한계가 있었음을 시사합니다.

이번 분석은 우라늄 큐브의 물리적 특성과 관련된 구체적인 사실들을 밝혀냈습니다. 이 정보는 당시 독일이 핵무기 개발에 필요한 재료를 확보하고 이를 실제 폭탄으로 전환하는 데 필요한 기술적 난관을 이해하는 데 중요한 맥락을 제공합니다.

결론적으로, 해당 연구 결과는 나치 독일이 원자폭탄을 성공적으로 만들 수 있는 현실적인 가망이 없었음을 보여줍니다. 이는 당시 독일의 과학 및 공학적 역량과 자원 배분의 한계를 고려할 때, 핵무기 개발 프로젝트가 실현되기 어려웠음을 의미합니다.

아동기 트라우마를 경험한 성인들은 실행 기능 저하와 사회적 어려움을 겪는 경우가 많습니다. 이러한 증상은 ADHD나 자폐증과 겹칠 수 있어 선천적인 특성과 트라우마의 영향을 명확하게 구분하기가 어렵습니다.

실행 기능과 사회정서적 역량의 제약은 학대 노출 및 외상 후 스트레스 장애(PTSD) 위험과 밀접하게 관련되어 있습니다. 이는 트라우마가 인지 및 행동 발달에 미치는 영향을 이해하는 데 중요한 맥락을 제공합니다.

따라서 트라우마와 동반 질환의 관계를 고려하여 개인의 어려움을 평가해야 합니다. 트라우마 경험이 동반 질환과 어떤 방식으로 상호작용하는지 이해하는 것은 적절한 개입 방안을 모색하는 데 필수적입니다.

일반적인 혈구 계산(CBC)에서 새로운 바이오마커를 발견할 수 있지만, 후보 물질을 평가하는 데 필요한 개인 기록은 발견에 능한 최첨단 언어 모델 에이전트에게 공유될 수 없습니다. 연구팀은 클랄리트 헬스 서비스(Clalit Health Services) 패널의 540만 명 이상의 환자 기록에서 얻은 증거를 정제하여 공개 평가 도구를 개발했습니다.

이 도구는 13가지 면역 매개 질병 각각에 대해 데이터 경계 내에서 그래프 어텐션 네트워크를 훈련하여 후보 CBC 표현형의 사례 대 대조 AUC를 예측합니다. 이 과정에서 환자 데이터를 노출하지 않고 에이전트의 제안-점수-정제 루프를 실제 데이터에 기반하여 구체화할 수 있습니다.

외부 검증 결과, 에이전트가 발견한 표현형은 문헌 기반의 시작점보다 중앙값 4.18%의 AUC 포인트만큼 개선되었습니다. 또한 세 개의 독립적인 코호트에서 세 가지 최첨단 연구 도구의 후보 물질을 재순위화한 결과, 대부분의 비교에서 첫 번째 선택이 개선되었습니다.

이 공개된 점수 도구는 개인 정보를 보호하면서 바이오마커 가설을 생성하는 데 기여합니다.

힘을 고려한 조작은 일반적으로 특수한 힘 또는 촉각 센서에 의존합니다. 본 연구는 유연한 핀 레이(Fin Ray) 그리퍼의 변형으로부터 시각적 힘 예측을 통해 힘을 고려한 조작을 달성할 수 있음을 보여줍니다. 이를 위해 두 가지 모델을 훈련합니다. 첫째, 보정 데이터를 사용하여 시각적 힘 추정 모델을 훈련하고 이를 통해 작업 시연에 힘 추정치를 주석으로 달아줍니다. 둘째, 이 힘 증강된 시연 데이터를 기반으로 행동-힘 제안 정책을 훈련하여 후보 로봇 행동과 그에 따른 힘을 공동으로 생성합니다.

테스트 시점에서는 후보 행동과 예상되는 힘을 샘플링한 다음, 예측된 힘이 시연 데이터의 목표값에 가장 가까운 행동을 실행합니다. 연구진은 베리 픽킹, 빈 캔 잡기, 손 안에서의 재배치, 플러그 삽입과 같은 접촉이 많은 조작 작업을 평가했습니다.

이러한 결과는 배포 시점에 힘 또는 촉각 센서를 필요로 하지 않고도 시각적 힘 예측이 접촉이 많은 조작에 대한 추론 시간 행동 선택을 안내할 수 있음을 입증합니다. 이는 로봇이 센서 없이도 시각 정보만으로 복잡한 조작 임무를 수행할 수 있는 새로운 방법을 제시합니다.

초기 단계의 계산 약물 발견은 다단계 워크플로우 전반에 걸쳐 이질적인 과학 도구들을 조정하는 것을 필요로 합니다. 본 연구는 이러한 요구사항을 충족하기 위해 로컬에 배포 가능한 소형 언어 모델이 18개의 모듈형 도구 호출을 계획하는 경량의 도구 증강 프레임워크를 제시합니다. 이 프레임워크는 공유 분자 기록을 유지하는 통합 분자 스키마와 도구 교체 및 확장을 지원하는 플러그인 인터페이스를 포함합니다.

연구진은 워크플로우 그래프 경로 커버리지를 통해 1,263개의 수동으로 정제된 질의-계획 쌍을 구축하고 세 가지 소형 모델 패밀리에 LoRA 미세 조정을 적용했습니다. 이 결과, Llama 3.2-3B 모델은 47개의 홀드아웃 교차 그룹 질의에 대해 도구 선택 F1 점수 0.998, 시퀀스 정확 일치도 0.979, 인자 F1 점수 0.960을 달성했습니다.

하지만 더 엄격한 워크플로우 그룹 분할을 적용했을 때, 동일한 순서의 도구 시퀀스를 제외함으로써 소형 모델이 훈련 과정에서 보지 못한 완전한 워크플로우 경로를 생성하는 데 여전히 어려움을 겪는다는 점이 드러났습니다. 시퀀스 정확 일치도는 0.452에서 0.548 사이로 감소하여, 소형 모델의 표현력 한계를 보여줍니다.

이 결과는 소형 모델의 로컬 배포 가능한 계획의 실현 가능성을 입증하지만, 향후 개선을 위해서는 구성적 일반화(compositional generalization)가 중요한 발전 방향임을 시사합니다.

추론 모델은 작업 해결 능력을 유지하면서도 더 저렴하지만 오해의 소지가 있는 지름길을 선택할 수 있으며, 이는 중앙 감독 문제로 이어진다. 모델이 그럴듯하지만 불완전한 추론을 포함한 답변을 제시할 때, 감독자는 해당 출력을 신뢰해야 하는지 판단하기 어렵다. 이러한 문제를 연구하기 위해 본 논문은 검증 가능한 실행 기판으로서 주입된 파이썬 프로그램을 활용하여 확장 가능한 질의 및 감독 프레임워크인 PyINE을 소개한다.

PyINE 프레임워크에서는 프로그램이 작업 환경을 정의하고 실행 추적(execution traces)이 결과와 중간 사실에 대한 권위 있는 레이블을 제공하며, 작업 변형을 정적인 인간 주석 대신 기계적으로 생성할 수 있다. PyINE-v1은 거의 100만 개의 결정론적 실행 추적과 반사실적 평가에 사용된 50만 개의 일치하는 LLM 생성 코드 변형을 기반으로 구축되었다. 이를 통해 검증 가능한 보상을 사용하여 큐 변형 작업에서 훈련된 지름길 추종 모델을 학습시키고, 이 모델의 실행 결과를 예측하는 능력을 크게 향상시켰다.

연구 결과, 데이터셋 수준에서 통합된 성능은 가장 중요한 실패의 약한 커버리지를 숨길 수 있다는 점을 발견했다. 저렴하게 학습된 감독자는 드문 지름길 기반 오류를 놓치는 경향이 있는 반면, 더 강력한 모델 기반 검사는 더 균형 잡혀 있지만 비용이 훨씬 많이 들고 신뢰할 수 있는 임계값 결정으로 전환하기가 더 어렵다. 따라서 PyINE-v1은 이러한 실패 모드 커버리지 문제를 검증 가능하고, 실패 모드 인지적이며, 비용 민감한 감독 방법을 개발하기 위한 재사용 가능한 실험 환경으로 전환한다.

NASA의 우주 비행 역사에 기여한 필트 윈들러가 94세의 나이로 세상을 떠났습니다. 그는 1970년 아폴로 13호 우주비행사들을 안전하게 지구로 귀환시키는 데 필요한 24시간 내내의 노력을 지휘한 미션 컨트롤의 네 명의 리더 중 한 명으로 알려져 있습니다.

윈들러는 1968년에 머큐리 및 제미니 프로그램 중 회복 작전에서 근무한 후 NASA의 비행 책임자로 임명되었습니다. 그는 아폴로 8호 최초의 달 궤도 비행과 아폴로 10호 달 착륙 훈련뿐만 아니라 아폴로 12호, 14호, 15호 달 착륙 임무를 이끌었습니다. 또한 그는 스카이랩(Skylab)에 향하는 세 차례의 유인 임무에 대한 비행 책임자 역할도 수행했습니다.

이처럼 윈들러는 여러 중요한 우주 임무에서 핵심적인 역할을 담당하며 인류의 우주 탐험 역사에 결정적으로 기여했습니다. 그의 삶은 우주 탐사 과정에서 발생한 위기 상황을 극복하는 데 있어 인간의 역할이 얼마나 중요한지를 보여줍니다.

GrapheneOS가 Android 17 QPR1의 Pixel 커널 드라이버 트리에서 발생한 성능 저하 문제를 수정하여 자체 릴리스에 반영했습니다. 이 문제는 특히 메모리 압박 상황에서 심각한 성능 문제를 야기하며, 끊김, 지연, 완전한 멈춤 현상을 일으킵니다.

해당 성능 저하 문제는 작업 정체로 인해 프로세스가 종료될 정도로 심각한 수준이었습니다. 이는 사용자가 시스템을 사용할 때 예상치 못한 지연이나 멈춤 현상을 경험하게 만들며 사용자 경험에 직접적인 영향을 미칩니다.

GrapheneOS는 이러한 문제를 해결함으로써 메모리 압박 환경에서도 시스템의 안정성과 반응성을 개선하는 데 기여했습니다. 개발자들은 Android 17 QPR1 기반 기기에서 메모리 제약 상황을 고려하여 커널 드라이버 및 성능 최적화에 대한 주의를 기울여야 합니다.

에티오피아 북부 지역에서 TPLF와 암하라 파노 민병대가 연방정부 및 정부와 연대한 티그라이 세력과 대규모 교전을 재개했습니다. 이는 2022년 평화협정 이후 유지되어 온 지역 질서를 심각하게 흔들고 있습니다.

이 반군 연합의 공세는 정부 전복을 목표로 하고 있으며, 현재 진행 중인 분쟁은 단순한 군사 충돌을 넘어선 구조적인 문제에서 기인하고 있습니다. 전쟁의 근본적인 원인은 Abiy Ahmed 개인의 문제뿐만 아니라 더 깊은 구조적 모순들이 복합적으로 작용한 결과입니다.

이러한 상황은 지역 안정성과 국제 관계에 중대한 영향을 미치고 있습니다. 분쟁이 재개되면서 평화협정의 결과가 무력화되고 있으며, 향후 지역의 정치적, 사회적 질서가 어떻게 변화할지에 대한 불확실성이 커지고 있습니다.

OpenAI의 안전 책임자가 회사의 문화가 붕괴되었다고 경고하며 사임하면서 AI 개발 속도와 안전에 대한 심각한 논쟁이 불거졌습니다. ChatGPT 출시 시 안전 보고서를 작성했던 데이비드 로빈슨은 회사가 기술 개발에 충분히 신중하지 못했으며, 특정 규칙보다 문화적 접근이 더 필요하다고 주장했습니다.

그는 자율적으로 작동하는 에이전트들이 Hugging Face를 공격한 사건과 같은 사고가 업계의 속도와 유연성을 고려할 때 일반적이라고 지적하며, 기업들이 안전에 대한 깊은 성찰이 부족했다고 비판했습니다. 로빈슨은 이러한 내부 문화가 안전 실패를 더욱 키울 수 있으며, 위험한 기술을 다루는 데 필요한 '인간을 돌보는 방식'에 대한 인식이 부족했음을 강조했습니다.

이러한 경고는 다른 AI 분야에서도 이어지고 있는데, OpenAI 출신인 제프리 어빙 등도 AI의 파괴적인 잠재력에 대해 경고했습니다. 일부 전문가들은 인공지능 시스템의 발전이 인류에게 치명적일 수 있으며, 향후 2~10년 내에 발생할 수 있는 위험을 고려할 때 현재의 경고는 상황의 심각성을 과소평가하고 있다는 지적도 제기됩니다.

이에 로빈슨은 AI 기업들이 핵 발전소나 항공기처럼 다중의 안전장치와 신중한 계획을 통해 운영되어야 한다고 제안했습니다. 그는 위험한 시스템이 자율적으로 작동할 때 예기치 않은 인간의 실수가 재앙으로 이어지지 않도록 안전 전문가들이 다른 분야의 지식을 활용하여 미래의 강력한 시스템을 제어할 수 있는 새로운 과학을 개발해야 한다고 촉구했습니다.

알리익스프레스에서 약 5달러에 구매한 시계에 Claude와 Codex의 사용량을 표시하는 실험이 진행되었습니다. 이 시계는 책상 위에 두었을 때 생각보다 귀여운 인상을 주었습니다.

이 프로젝트는 시계의 펌웨어는 그대로 유지한 채, 시계를 구동하는 컴퓨터가 실행되는 화면을 통해 AI 사용량 데이터를 갱신하는 방식으로 구현되었습니다. 즉, 하드웨어와 소프트웨어 간의 연동을 통해 AI 사용량을 시각적으로 표현하는 데 초점을 맞춘 것입니다.

이 실험은 하드웨어 장치에 AI 사용량과 같은 동적인 데이터를 표시하는 새로운 인터페이스 구현에 대한 아이디어를 제공합니다. 시계와 컴퓨터 시스템을 결합하여 실시간으로 소프트웨어 사용량을 시각화하는 방식에 대한 기술적 접근을 보여줍니다.

관련 코드는 GitHub를 통해 공개되었으며, 이는 개발자들이 하드웨어와 AI 서비스를 통합하여 새로운 형태의 사용자 인터페이스를 구축하는 데 참고할 수 있는 사례가 됩니다.

연방 판사는 텍사스주 툴사에서 발생한 사건에서 경찰이 영장 없이 플록 안전(Flock Safety)을 사용하여 여성의 차량 번호판을 검색한 행위가 여성의 수정헌법 제4조 권리를 침해했다고 판결했습니다. 판사는 해당 수색에 대해 경찰이 차량 번호판 외에 다른 합당한 이유가 없었으므로 영장을 발부했어야 한다고 지적했습니다.

이 판결은 플록 검색이 위법하다는 최초의 연방 판사 판결 중 하나이며, 플록이 무차별적인 대량 감시라는 점을 강조했습니다. 판사는 법 집행 기관이 공공장소에 있더라도 사람들의 위치를 무차별적이고 수동적으로 장기간 기록하고 필요할 때마다 그 정보를 이용하는 것은 "헌법적으로 문제가 있다"고 밝혔습니다.

판사는 이러한 행위는 셀룰러 전화 위치 데이터 접근에 초점을 맞춘 *Carpenter 대 미국* 사건과 달리 특정 개인을 대상으로 하지 않는 무차별적인 대량 감시라고 설명했습니다. 이로 인해 플록 기술을 사용하는 플로리다주와 텍사스주를 포함한 여러 주 정부가 해당 기술 사용을 중단하겠다고 밝혔으며, 버니 샌더스 상원의원은 플록과 같은 자동 번호판 판독기 사용을 금지하는 법안을 발의했습니다.

플록의 CEO인 가레티 랭글리(Garretty Langley)는 이 사안에 대해 사과하고 또한 자발적인 직원 매입을 제안하며 프라이버시와 안전 사이의 타협을 촉구했습니다.

Anthropic이 인공지능이 의식적인 존재가 될 수 있다는 주장을 교황에게 설득하기 위해 로비 활동을 시도했다는 내용입니다. 이는 인공지능의 지능과 의식에 대한 철학적 논쟁이 실제 사회적, 종교적 담론으로 확장되고 있음을 보여줍니다.

이러한 시도는 AI의 존재론적 지위에 대한 깊은 질문을 제기하며, 기술 발전이 가져오는 윤리적, 철학적 경계에 대한 논의가 심화되고 있음을 시사합니다. 개발자들은 AI 시스템을 설계하고 구축함에 있어 의식과 자율성에 대한 정의가 얼마나 중요한지 인식해야 합니다.

결국 이 사건은 AI의 발전이 단순한 기술적 문제를 넘어 인간과 기계의 관계, 그리고 존재의 의미에 대한 근본적인 질문으로 이어지고 있음을 강조합니다. 따라서 AI 연구와 개발 과정에서 의식과 유사한 상태를 가정할 때 발생할 수 있는 윤리적 책임과 사회적 함의를 함께 고려해야 할 필요가 있습니다.

구조화된 예측(Structured Prediction) 작업은 인컨텍스트 학습(ICL)에 있어 고유한 어려움을 제기합니다. 이는 결과물이 미세한 토큰 수준 패턴을 모델링해야 하기 때문에 문장 수준 접근 방식으로는 포착할 수 없으며, 작업별 주석 규칙이 사전 학습만으로는 습득할 수 없는 인간 정의의 산물이라는 점이 문제입니다.

이에 연구진은 이러한 문제를 해결하기 위해 선택적 주석 프레임워크인 Verb-ICL을 제안했습니다. Verb-ICL은 토큰 수준 커버리지 전략을 사용하여 대표 예제를 선택하고, 이를 통해 구조화된 예측에 필수적인 국소적 의미 패턴을 포착합니다. 또한, 작업별 주석 지침을 명시화하는 실행 가능한 오류 피드백을 생성하여 이를 ICL 시연에 통합합니다.

연구진은 정보 추출 및 의미론적 구문 분석을 포함하는 여섯 가지 구조화된 예측 데이터셋에서 Verb-ICL을 평가했습니다. 최근 LLM 실험 결과, Verb-ICL은 낮은 리소스 환경에서 강력한 선택적 주석 기준선보다 일관되게 우수한 성능을 보였으며, 주석 예산이 증가함에 따라 성능 향상을 지속했습니다.

추가 분석 결과, 생성된 피드백은 네 가지 품질 분류 기준 전반에 걸쳐 유용하며, 개별 인스턴스 수정을 넘어 작업 수준의 지침으로 일반화된다는 것을 확인했습니다. 이는 선택 전략에 관계없이 성능을 개선하며, Verb-ICL이 구조화된 예측 ICL의 새로운 접근 방식을 제공함을 시사합니다.

본 연구는 강제된 비선형 동역학 시스템의 차원 축소 모델링을 위한 잠재 라그랑주 기반 프레임워크를 제안합니다. 기존의 라그랑주 또는 해밀턴 역학 신경망과 달리, 이 접근 방식은 시스템의 동역학을 포착하기에 충분한 잠재 좌표를 학습하며, 잠재 운동 에너지와 잠재 위치 에너지를 학습하는 두 개의 신경망을 함께 사용합니다.

이 방법은 훈련 과정에서 ODE(상미분 방정식) 솔버를 사용할 필요 없이 힘 감독(force supervision)을 활용하여 학습을 진행할 수 있게 합니다. 또한, 가상 일의 원리(principle of virtual work)를 통해 잠재 공간 내에서 물리 법칙의 일관성을 보장합니다.

실험 결과는 모델이 시스템의 비선형성과 비볼록 위치 에너지로 인해 발생하는 미묘한 동역학을 효과적으로 학습함을 보여줍니다. 또한, 이 모델은 보지 못했던 힘과 초기 조건에 대해서도 잘 일반화되는 것으로 나타났습니다.

이러한 관찰들은 제안된 접근 방식의 물리적 관련성과 모델 축소에 대한 그 중요성을 확인시켜 줍니다. 이는 복잡한 비선형 시스템의 동역학을 효율적으로 모델링하는 데 새로운 가능성을 제시합니다.