본 논문은 가변적인 수의 요소들을 포함하는 이전 집합들의 시퀀스가 주어졌을 때, 다음 집합에 나타날 요소들을 예측하는 시간적 집합 예측 문제를 다룹니다. 기존 방법들은 복잡한 구조와 상당한 계산 비용으로 인해 확장성이 떨어지는 한계가 있습니다. 본 연구에서는 순열-동변환(permutation-equivariant) 및 순열-불변변환(permutation-invariant) 변환을 활용하여 집합 동역학을 효율적으로 모델링하는 새로운 확장 가능한 프레임워크를 제시합니다. 제안된 방법은 경쟁력 있는 성능을 유지하면서 학습 및 추론 시간을 크게 단축합니다. 여러 공개 벤치마크에 대한 광범위한 실험을 통해 제안된 모델이 여러 평가 지표에서 최첨단 모델과 동등하거나 우수한 결과를 달성함을 보여줍니다. 이러한 결과는 제안된 모델이 효율적이고 확장 가능한 시간적 집합 예측을 가능하게 함을 강조합니다.
