본 논문은 생물학적 신경망의 작동 원리를 모방하여 트랜스포머와 같은 기계 학습 모델의 효율성을 높이는 새로운 방식을 제안한다. 특히, 신피질 피라미드 세포와 관련된 정신 상태의 연결을 바탕으로 질문(Q), 단서(K), 가설(V) 간의 삼각 관계를 이용하여 관련 정보를 미리 선택하는 메커니즘을 제시한다. 이를 통해 표현 수준에서 다양하고 심층적인 병렬 추론 체인을 가능하게 하며, 초기 편향에서 정제된 이해로의 빠른 전환을 가능하게 한다. 결과적으로 헤드, 레이어, 토큰 수 감소를 통해 계산 비용을 $\mathcal{O}(N)$ (N은 입력 토큰 수)으로 줄이고, 학습 속도를 획기적으로 향상시킨다. 강화 학습, 컴퓨터 비전, 자연어 질문 응답 등 다양한 분야에서 실험 결과를 제시한다.
