본 논문은 과학 이미징에서 긴 획득 시간으로 인한 고품질 데이터 확보의 어려움을 해결하기 위해, 획득 시간을 단축하여 처리량을 높이면서 발생하는 잡음 문제를 해결하는 머신러닝 기반 방법을 제시합니다. 경량의 무작위 구조 신경망 앙상블과 conformal quantile regression을 이용하여, 레이블이나 분할 없이도 잡음 제거와 함께 잠재 공간에서의 새로운 구조를 밝히고 해석 가능한 공간적, 화학적 특징을 드러냅니다. 기존의 단순 이미지 복원에 집중하는 방법과 달리, 잡음 제거 과정 자체를 활용하여 의미있는 표현을 생성하는 것이 특징이며, 실제 지구생화학 이미징 데이터를 통해 신뢰할 수 있는 해석과 자원 제약 하에서의 실험 설계를 지원하는 것을 검증합니다.
