DynaMix는 다양한 시간에 따라 변화하는 현상(기후, 뇌 활동 등)을 다루는 동적 시스템(DS)의 생성적 대리 모델을 추론하는 동적 시스템 재구성(DSR)을 위한 새로운 다변량 ALRNN 기반 전문가 혼합 아키텍처입니다. 기존 DSR 접근 방식과 달리, DynaMix는 새로운 시스템에 대한 특수 훈련 없이 제로샷 및 컨텍스트 내 추론 기능을 제공하는 최초의 DSR 모델입니다. 제공된 컨텍스트 신호만으로 재훈련 없이도 기존 시계열(TS) 기반 모델(Chronos 등)이 실패하는 새로운 DS의 장기적 진화를 정확하게 예측합니다. 매개변수 수가 훨씬 적고 추론 시간이 훨씬 빠릅니다. DynaMix는 장기 통계 측면에서, 그리고 종종 단기 예측에서도 TS 기반 모델보다 우수한 성능을 보이며, 교통이나 기상 데이터와 같은 실제 시계열 데이터에서도 효과적입니다. 이는 DynaMix의 훈련 데이터에 포함되지 않은 데이터입니다. 본 논문은 DSR 문제에 대한 TS 모델의 실패 모드를 보여주고, DS 원리를 기반으로 한 모델이 TS 예측 분야 발전에 큰 잠재력을 가지고 있음을 결론짓습니다.
