복잡한 네트워크의 동적 진화를 예측하는 데 있어 기존 방법의 한계점을 해결하기 위해, 본 논문은 고차원 네트워크 동역학 식별 방법을 제안한다. 이 방법은 동적 하이퍼그래프 학습을 통해 고차원 비 쌍별 관계를 포착하고, Koopman 연산자 이론과 물리적 정보 신경 미분 방정식 방법을 활용하는 이중 구동 동적 예측 모듈을 사용한다. 이를 통해 정확하고 해석 가능한 장기 예측을 제공하며, 공공 데이터셋 및 자체 구축 산업망 데이터셋에서 우수한 성능을 입증한다.
시사점, 한계점
•
시사점:
◦
고차원 비 쌍별 관계를 효과적으로 포착하여 복잡한 네트워크 모델링 정확도를 향상시킴.
◦
Koopman 연산자 이론과 물리적 정보 신경 미분 방정식 방법을 결합하여 예측 정확도와 해석 가능성을 모두 확보.
