본 논문은 고해상도 과학 시뮬레이션 및 관측 시스템에서 생성되는 대규모 시공간 데이터를 효율적이고 오류가 제한된 방식으로 압축하기 위해 디코더 전용 대규모 언어 모델(LLM)을 활용하는 새로운 손실 압축 패러다임인 LLMCOMP을 제안한다. LLMCOMP은 3D 필드를 이산 토큰으로 양자화하고, Z-order 곡선을 통해 배열하여 지역성을 보존하며, 커버리지 가이드 샘플링을 적용하여 훈련 효율성을 향상시킨다. 그런 다음, 자기 회귀 변환기를 공간-시간 임베딩과 함께 훈련하여 토큰 전환을 모델링한다. 압축 과정에서 모델은 상위 k개 예측을 수행하고, 엄격한 오류 경계를 보장하기 위해 순위 인덱스 및 폴백 보정만 저장한다. 여러 재분석 데이터 세트에 대한 실험 결과는 LLMCOMP이 최첨단 압축기를 지속적으로 능가하며, 엄격한 오류 경계 내에서 최대 30% 높은 압축률을 달성함을 보여준다.
