본 논문은 이산 시간점에서의 표본의 진화 스냅샷이 주어졌을 때, 입자 진화를 지배하는 기저 과정을 복원하는 것을 포함하는 개체군 역학 학습에 대해 다룹니다. 최근 방법들은 이를 확률 공간에서의 에너지 최소화 문제로 설정하고, 효율적인 시간 이산화를 위해 유명한 JKO 스킴을 활용합니다. 본 연구에서는 JKO 프레임워크와 역 최적화 기법을 결합한 접근 방식인 $\texttt{iJKOnet}$을 제시합니다. 본 방법은 기존의 $\textit{end-to-end}$ 적대적 훈련 절차에 의존하며, 입력 볼록 신경망과 같은 제한적인 아키텍처 선택을 요구하지 않습니다. 본 논문에서는 제시된 방법론에 대한 이론적 보장을 확립하고, 이전 JKO 기반 방법보다 향상된 성능을 보여줍니다.
