Transformer 기반 모델이 일상적인 패턴 예측에는 뛰어나지만, 시장 상황과 같은 의미론적 개념을 내재화하는지, 단순히 곡선에 맞추는지에 대한 의문이 남아있다. 또한, 시장 붕괴와 같은 희귀하고 위험한 사건을 시뮬레이션하기 위해 내부 표현을 활용할 수 있는지에 대한 의문도 제기된다. 본 논문에서는 이러한 문제를 해결하기 위해 활성화 이식(activation transplantation)이라는 인과적 개입 기법을 소개한다. 이 기법은 순방향 패스 동안 한 사건(예: 과거 붕괴)의 통계적 모멘트를 다른 사건(예: 평온한 기간)에 적용하여 은닉 상태를 조작한다. 이 절차는 예측을 결정적으로 제어한다: 붕괴 의미론을 주입하면 하락 예측을 유도하고, 평온 의미론을 주입하면 붕괴를 억제하고 안정을 회복한다. 이진 제어를 넘어, 모델이 사건 심각도에 대한 등급 개념을 인코딩하며, 잠재 벡터 노름이 시스템 충격의 크기와 직접적인 상관 관계를 갖는다는 것을 발견했다. 두 가지 아키텍처(Toto, Chronos)에서 검증되었으며, 조작 가능하고 의미론적으로 기반된 표현이 대규모 시계열 변환기의 강력한 속성임을 입증한다.
