본 논문은 암묵적 신경 표현을 활용하여, 전체 데이터와 스케치된 데이터 샘플의 제한된 메모리 버퍼를 사용하는 새로운 in situ 훈련 프로토콜을 제시한다. 스케치된 데이터는 파국적 망각을 방지하는 데 활용되며, Johnson-Lindenstrauss에 기반한 간단한 결과를 통해 스케치 기법을 정규화기로 사용하는 이론적 근거를 제시한다. 지속적 학습 분야에서 널리 활용될 수 있으나, 특히 암묵적 신경 표현 기반 하이퍼네트워크를 사용한 in situ 신경 압축을 목표로 한다. 2차원 및 3차원의 복잡한 시뮬레이션 데이터, 긴 시간 범위, 비구조적 그리드 및 비데카르트 기하 구조에 대해 본 연구의 방법을 평가하였다. 높은 압축률에서 강력한 재구성 성능을 보이며, 스케치를 통해 제안된 in situ 방식이 동등한 오프라인 방식의 성능에 근접함을 입증했다.
