본 논문은 설명 가능한 인공지능 분야에서, 데이터에 맞는 해석 가능한 수식 발굴을 목표로 하는 심볼릭 회귀(SR)의 한계를 극복하기 위해 제안된 MTRGINN-LP를 소개한다. 기존 SR 연구가 잘 알려진 관계를 가진 과학 데이터셋에 주로 집중하고, 단일 출력 회귀에 치중하는 문제를 해결하고자, MTRGINN-LP는 GINN-LP를 다중 작업 딥러닝과 통합하여, 해석 가능성을 유지하면서 다중 대상 간의 의존성을 포착한다. 에너지 효율 예측 및 지속 가능한 농업과 같은 실질적인 다중 대상 응용 프로그램에서 모델의 성능을 검증하였으며, 경쟁력 있는 예측 성능과 높은 해석 가능성을 입증했다.
