본 논문은 역전파(backpropagation, BP)의 생물학적 타당성 부족으로 인해 등장한 예측 코딩(predictive coding, PC)과 평형 전파(equilibrium propagation)와 같은 뇌 기반 알고리즘의 문제점을 해결하고자 한다. 특히, PC 네트워크(PCN)가 매우 깊은 네트워크를 학습하는 데 어려움을 겪는 문제를 해결하기 위해 Depth-$\mu$P 파라미터화(μPC)를 활용하여 100개 이상의 레이어를 가진 PCN을 안정적으로 학습할 수 있음을 보였다. PCN의 스케일링 동작을 분석하여, μPC가 안정적인 학습을 가능하게 하는 이유를 설명하고, 간단한 분류 작업에서 경쟁력 있는 성능을 달성하며, 너비와 깊이에 걸쳐 가중치 및 활동 학습 속도의 제로샷 전송을 가능하게 함을 입증했다.
