본 논문은 Shannon 엔트로피(SE)와 von Neumann 엔트로피의 계산 비용을 줄이고, 계산의 안정성을 높이기 위한 새로운 방법인 Fast Entropy Approximation (FEA)을 제안한다. FEA는 SE와 그 기울기의 특이점 문제를 해결하는 비특이적 유리수 근사 방법으로, 기존 최첨단 방법보다 약 20배 낮은 평균 절대 오차($10^{-3}$)를 달성한다. 기존 방법들보다 50% 빠른 계산 속도를 제공하며, 56개의 기본 연산만으로 계산이 가능하다(기존 방법들은 수십 개의 연산 필요). 머신러닝 특징 선택 문제에 대한 벤치마크 결과, FEA를 AI 도구에 통합하면 모델 품질이 향상되고, 특징 추출 속도가 23배 향상되며 계산 비용이 크게 감소함을 보였다.
