본 논문은 데이터 부족으로 대규모 사전 학습 모델을 사용할 수 없는 계산 화학, 면역학, 의료 영상 등의 분야에서 효율적인 사전 정보 획득을 위한 아키텍처 설계에 초점을 맞추고 있습니다. 신경망 메모리를 이용하여 비정상 분포에서 적은 샘플만으로 적응이 가능함을 보이고, 모델 불가지론적 메타 학습(MAML)으로 훈련된 하이퍼네트워크(다른 네트워크를 생성하는 네트워크)가 표준 네트워크보다 더 일반화된 사전 정보를 획득할 수 있음을 보여줍니다. 3D 장면 생성에 하이퍼네트워크를 적용하여 소수의 훈련 장면만으로 효율적인 사전 정보 획득을 통해 빠른 텍스트-3D 생성을 달성하고, 제한된 데이터로 새로운 장면에 대한 3D 분할을 수행합니다. 마지막으로, 기존의 분자 생성 방법을 사전 훈련 프레임워크로 재사용하여 계산 면역학의 중요한 과제인 분자 특성 예측을 개선합니다.
