この論文は、シンボル回帰ベースの機械学習フレームワークを導入して、マルチループFeynman積分の完全なシンボルアルファベットを抽出する方法を提供します。この方法は、省略の代わりに解釈構造を目指してさまざまな積分ファミリーに適用可能で解釈可能です。複雑な例では、完全な記号のアルファベットを正常に再構成し、堅牢性と一般性を実証しました。個々の計算速度を上げることに加えて、普遍的な解釈的構造を明らかにする。このフレームワークは、マルチループ振幅分析の新しい道を開き、散乱振幅探索のための汎用性の高いツールを提供します。