본 논문은 임의의 비선형 동역학 시스템에 대한 안전 중요 제어기를 설계하는 실용적인 방법인 제어 장벽 함수(CBFs)에 대해 다룬다. 특히, 신경망 기반 CBF(NCBF)의 유효성을 보장하는 데 어려움이 있다는 점을 지적하며, 분할 공형 예측(split-conformal prediction)을 활용하여 사용자 정의 오류율에 기반한 확률적 보장을 가진 형식적으로 검증된 신경망 CBF(CP-NCBF)를 제안한다. 기존의 Lipschitz 제약 조건을 부과하는 방법과 달리, CP-NCBF는 샘플 효율적이고 확장성이 높으며, 보다 덜 제한적인 안전 영역을 생성한다. 자율 주행의 장애물 회피 및 무인 항공기의 지리적 울타리 설정에 대한 사례 연구를 통해 기존 기법보다 더 크고 보수적이지 않은 안전 집합을 생성하는 능력을 검증한다.
