本論文は、気候変動緩和のために土壌炭素循環を理解することが重要であることを強調し、既存の数理的プロセスベースのモデルの限界（未知のパラメータ、観測値との不正確な適合）とニューラルネットワークの限界（科学的法則の無視、ブラックボックスの特性）を指摘しています。この論文では、解析可能なニューラルネットワークとプロセスベースの推論を組み合わせた新しいフレームワークであるScIReN（Scientifically-Interpretable Reasoning Network）を提案します。 ScIReNは、解釈可能なエンコーダ（Kolmogorov-Arnold Networksを使用）を介して科学的に意味のある潜在パラメータを予測し、それを微分可能なプロセスベースのデコーダに渡して出力変数を予測します。新しいスムーズペナルティとハードシグモイド制約を使用して科学的事前知識を反映し、予測精度と解釈の可能性を向上させました。土壌有機炭素フローシミュレーションと植物生態系呼吸モデリングの2つの作業にScIReNを適用し、ブラックボックスニューラルネットワークよりも高い予測精度と科学的解釈の可能性を示しました。潜在的な科学的メカニズムと入力機能の間の関係を推論できることを示しています。
