본 논문은 머신 러닝 모델 학습 시 손실 함수가 초기에는 비볼록성을, 최적점에 가까워질수록 볼록성을 띤다는 가설을 기반으로, 두 단계 최적화 알고리즘을 제안한다. 제안된 알고리즘은 그래디언트 노름과 손실 간의 관계를 통해 볼록성 전환 지점을 감지하여, 해당 지점 이전에는 비볼록 최적화 알고리즘(Adam)을, 이후에는 볼록 최적화 알고리즘(Conjugate Gradient, CG)을 사용한다. 실험 결과, 이 간단한 볼록성 구조를 활용하여 수렴 속도와 정확도를 크게 향상시킬 수 있음을 확인했다.
