본 논문은 신경과학 분야에서 가설 생성을 통해 연구 비용을 절감하기 위한 새로운 방법을 제안합니다. 기존 머신러닝 기반 가설 생성 방법들은 시간에 따라 변하지 않는 인과 관계를 가정하지만, 뇌와 같이 동적인 시스템에는 적용하기 어렵습니다. 본 논문에서는 동적 그래프를 조건부 가중치를 가진 정적 그래프들의 중첩으로 모델링하는 새로운 방법을 제시합니다. 이 방법은 각 정적 그래프가 비선형 관계를 포착할 수 있도록 하여, 선형 관계로만 제한되는 기존 방법들보다 복잡하고 시간에 따라 변하는 변수 간의 상호작용을 감지하는 데 효과적입니다. 실험 결과, 제안된 방법은 기존 방법들보다 예측된 동적 인과 패턴의 f1-score를 평균 22-28% 향상시켰으며, 일부 경우에는 60% 이상 향상되었습니다. 실제 뇌 데이터에 대한 사례 연구를 통해 특정 행동 상태와 관련된 관계를 밝혀내어 신경 역동성에 대한 귀중한 통찰력을 제공합니다.
