본 논문은 생물학적 활성 추론과 형태적 가소성을 기반으로 하는 새로운 계산 모델인 SAPIN(Structurally Adaptive Predictive Inference Network)을 제시한다. SAPIN은 2D 그리드 상에서 작동하며, 지역적 예측 오류를 최소화하는 방식으로 학습한다. Hebbian 학습 규칙 기반의 시냅스 가소성과 정보 수용 필드를 최적화하기 위한 세포 이동을 포함하는 구조적 가소성을 특징으로 한다. Cart Pole 강화 학습 벤치마크에서 SAPIN 모델을 검증한 결과, 안정적인 균형 정책을 성공적으로 학습하며, 성공 후 네트워크 파라미터를 고정함으로써 안정적인 성능을 유지함을 확인했다.
