본 논문은 인공지능에서 성능과 해석성을 향상시키는 데 널리 사용되는 어텐션 메커니즘을 고전적인 동역학 시스템, 특히 잡음이 있는 포식자-피식자(Lotka-Volterra) 시스템 모델링에 적용한 연구입니다. 교란된 시계열 데이터를 사용하여 단순 선형 어텐션 모델을 학습시켜 시스템 궤적을 재구성하고, 학습된 어텐션 가중치가 Lyapunov 함수의 기하학적 구조와 일치함을 보였습니다. 높은 어텐션은 교란의 영향이 작은 평평한 영역에, 낮은 어텐션은 교란의 영향이 큰 가파른 영역에 대응합니다. 또한 어텐션 기반 가중치가 시스템 방정식에 대한 명시적인 지식 없이 주요 위상 공간 특성을 포착하는 민감도 분석의 대리 지표 역할을 할 수 있음을 보여줍니다. 이러한 결과는 비선형 시스템의 해석 가능하고 데이터 기반 분석 및 제어를 위한 AI 기반 어텐션의 새로운 활용 가능성을 제시하며, 생체 리듬의 생물학적 모델링 및 동역학 환경을 위한 해석 가능한 기계 학습 등에 응용될 수 있음을 시사합니다.
