본 논문은 해석 가능한 물리적 표현을 생성하면서 수많은 상호작용 변수를 가진 복잡한 데이터를 효과적으로 압축할 수 있는 사전 훈련된 기호 기반 회귀 모델을 제시합니다. 물리학, 생화학, 생태학, 역학 등 다양한 분야의 비네트워크 기호 회귀, 복잡한 네트워크의 기호 회귀, 네트워크 역학 추론 등에 대한 테스트 결과, 기존 방법보다 3배 효율적인 방정식 추론 성능을 보이며 정확한 예측을 유지했습니다. 특히, 전 세계적인 전염병 발생 데이터를 통해 상호 작용 전파의 직관적인 법칙을 발견하여 최적의 데이터 적합성을 달성했습니다. 이 모델은 사전 훈련된 기호 회귀 모델의 적용 범위를 복잡한 네트워크로 확장하며, 복잡한 현상 변화의 숨겨진 메커니즘을 밝히고 해석성을 높이며 과학적 발견을 촉진하는 기반 솔루션을 제공합니다.
