자폐 스펙트럼 장애(ASD) 환자의 50-70%가 청각 과부하에 시달리지만, 기존 접근 방식은 고정된 매개변수를 가정하거나 해석 가능성이 부족하여 자폐증의 이질성을 놓치고 있다. 본 논문은 Universal Differential Equations(UDEs)를 사용하여 자폐증에서의 감각 적응 역학을 모델링하는 과학적 기계 학습 접근 방식을 제시한다. ODEs와 신경망을 결합하여 기계론적 이해와 개별 변동성을 모두 포착한다. UDEs는 순수 Neural ODEs보다 90.8% 개선된 성능을 보이며, 73.5% 더 적은 매개변수를 사용한다. 모델은 생리적 매개변수를 2% 오차 내에서 성공적으로 복구하고 특정 시간적 패턴의 펄스 자극에 대한 17.2%의 위험을 예측하여 청각 과부하에 대한 정량적 위험 평가를 제공한다.
