본 논문은 함수형 기계 학습 방법(특히 편미분 방정식 에뮬레이터 구축)을 위한 통계적으로 보장된 예측 집합을 얻는 방법을 제안합니다. 이 방법은 서로게이트 모델의 오차에 대한 저차원 표현(SVD)에서 중첩된 예측 집합을 구성한 후, 집합 전파 기법을 사용하여 이 집합들을 예측 공간으로 매핑합니다. 이를 통해 콘포멀 예측 적용 범위 보장을 갖는 함수형 서로게이트 모델에 대한 예측 집합을 생성합니다. 정확한 선형 전파가 가능하고 데카르트 곱에 대해 닫혀 있어 고차원 문제에 적합한 조노토프를 집합 구성의 기반으로 사용합니다. 본 방법은 모델에 독립적이므로 Neural Operators를 포함한 복잡한 Sci-ML 모델뿐만 아니라 간단한 설정에도 적용될 수 있습니다. 또한 SVD의 절단 오차를 포착하여 방법의 보장을 유지하는 기법을 제시합니다.
