본 논문은 신경 기호(NeSy) 시스템을 위한 통합적인 수학적 틀인 신경 기호 에너지 기반 모델(NeSy-EBMs)을 제시한다. NeSy-EBMs는 판별적 및 생성적 NeSy 모델링을 모두 포괄하며, 주요 학습 손실의 기울기 계산을 위한 일반적인 식을 도출할 수 있도록 한다. 본 논문에서는 이중 수준 및 확률적 정책 최적화를 포함한 여러 분야의 방법을 활용하는 네 가지 학습 방법을 제시한다. 또한, 확장성과 표현력을 위해 설계된 오픈소스 NeSy-EBM 라이브러리인 Neural Probabilistic Soft Logic (NeuPSL)을 통해 NeSy-EBM 프레임워크를 구현하고, 이미지 분류, 그래프 노드 레이블링, 자율 주행 차량 상황 인식, 질문 응답 등 다양한 작업에서 NeSy-EBMs의 실용적인 이점을 실증한다.
