본 논문은 강입자 분광학에서 이론적 예측과 실험 데이터를 일치시키는 어려움, 특히 임계값 근처의 새로운 강입자 상태 식별의 어려움을 다룹니다. 산란 진폭의 극점 구조가 중요한 진단 도구이지만, 서로 다른 구성이 유사한 신호를 생성할 수 있습니다. 특히 해석적 제어가 제한적인 질량 임계값 근처에서는 극점 구성과 선 모양 간의 매핑이 모호합니다. 본 연구는 S-행렬 요소의 극점 구조를 분류하기 위한 불확실성 인식 기계 학습 접근 방식을 제시합니다. 합성 데이터로 훈련된 모델은 LHCb에서 관측된 $P_{c\bar{c}}(4312)^+$ 상태와 같은 이전에 보지 못한 실험 데이터에도 일반화됩니다. 이를 통해, 유효한 폭이 0이 아닌 더 높은 채널 가상 상태 극점이 존재하는 상황에서 진정한 콤팩트 펜타쿼크의 존재를 나타내는 4극점 구조를 추론합니다. 이 특정 상태에 대해 평가되었지만, 본 프레임워크는 다른 후보 강입자 상태에도 광범위하게 적용 가능하며 산란 진폭에서 극점 구조 추론을 위한 확장 가능한 도구를 제공합니다.
