본 논문은 불규칙한 소형 천체 주변의 일식 현상을 정확하게 예측하는 새로운 방법을 제시합니다. 신경망 기반 암묵적 표현(neural implicit representations)을 활용하여 소행성과 혜성의 복잡한 실루엣을 고정밀도로 모델링함으로써 기존의 광선 추적 기법과 비슷한 정확도를 훨씬 빠른 속도로 달성합니다. 특히, 정확한 형상 모델에 대한 사전 지식 없이도 신경 상미분 방정식(Neural Ordinary Differential Equations)을 이용한 간접 학습 프레임워크를 통해 희소한 궤적 데이터로부터 모델을 직접 학습할 수 있습니다. 이는 새로운 궤적 데이터가 추가됨에 따라 일식 예측의 지속적인 개선과 정확도 향상을 가능하게 합니다. Bennu, Itokawa, 67P/Churyumov-Gerasimenko, Eros 등 네 개의 잘 특징 지워진 천체를 대상으로 실험을 진행하여 성능을 검증했습니다.
