본 논문은 딥 뉴럴 네트워크의 뉴런이 학습하는 내용과 인간의 지식 간의 정렬 여부에 대한 질문에 답하기 위해, 뉴런 활성화와 개념 간의 공간적 정렬을 논리적 규칙을 통해 설명하는 '구조적 설명' 방식을 다룬다. 기존 연구에서는 빔 서치를 사용하여 계산 비용 문제를 해결했지만, 최적성에 대한 이론적 보장이 없다는 한계가 있었다. 본 논문은 최적의 구조적 설명을 계산하기 위한 최초의 프레임워크를 제시하며, 공간적 정렬에 영향을 미치는 요소를 식별하는 분해, 검색 단계에서의 정렬을 추정하는 휴리스틱, 그리고 최적의 구조적 설명을 계산하는 알고리즘을 제안한다. 컴퓨터 비전 도메인과 합성곱 신경망(CNN)에서 빔 서치 기반 설명의 비최적성을 분석하고, 제안하는 분해 및 휴리스틱을 기반으로 한 빔 서치 변형이 기존 방법보다 개선된 성능을 보임을 입증한다.
