본 논문은 실험 데이터를 통해 물리 법칙을 찾는 심볼릭 회귀(Symbolic Regression)의 계산적 어려움을 해결하기 위해 제안된 EGG-SR 프레임워크에 대해 설명한다. EGG-SR은 등가 그래프(e-graphs)를 심볼릭 회귀 알고리즘에 통합하여 표현식의 검색 공간을 줄이고 학습 속도를 높인다. 이는 몬테카를로 트리 탐색(MCTS), 심층 강화 학습(DRL), 대규모 언어 모델(LLMs)을 포함한 다양한 알고리즘에 적용될 수 있으며, 중복된 탐색을 줄이고, 보상을 통합하며, 피드백 프롬프트를 강화하여 효율적인 학습을 가능하게 한다.
