본 논문은 이미지를 논리 게이트로 제어되는 부울 필드로 모델링하는 게이트 레벨 부울 진화 기하학적 어텐션 신경망을 제시한다. 각 픽셀은 2차원 기하학적 매니폴드에 임베디드된 부울 변수(0 또는 1)로, 픽셀 간의 인접성과 정보 전파를 정의한다. 네트워크는 부울 반응-확산 메커니즘을 통해 이미지 상태를 업데이트한다: 픽셀은 인접 픽셀로부터 부울 확산을 받고 (확산 과정), 훈련 가능한 게이트 레벨 논리 커널을 통해 로컬 논리 업데이트를 수행하여 (반응 과정) 반응-확산 논리 네트워크를 형성한다. XNOR 기반 부울 질의-키 (Q-K) 어텐션을 사용하여 주변 확산 경로를 조절하고 논리 어텐션을 실현하는 부울 셀프 어텐션 메커니즘을 도입한다. 또한, 부울 "위상" 오프셋을 시뮬레이션하기 위해 패리티 비트 플리핑으로 상대 거리를 인코딩하는 부울 로터리 포지션 임베딩 (RoPE)을 제안한다. 전체 구조는 트랜스포머와 유사하지만 부울 도메인에서 완전히 작동한다. 훈련 가능한 매개변수에는 Q-K 패턴 비트 및 게이트 레벨 커널 구성이 포함된다. 출력이 이산적이므로 시그모이드 근사 또는 소프트 논리 연산자와 같은 연속 완화 방법이 미분 가능한 훈련을 보장한다. 이론적 분석에 따르면, 이 네트워크는 보편적인 표현력, 해석 가능성 및 하드웨어 효율성을 달성하여 컨볼루션 및 어텐션 메커니즘을 재현할 수 있다.
