연구진이 제약 조건 최적화 문제 해결을 위한 MResOpt라는 새로운 staged residual neural network 아키텍처를 제안했어요. 이 아키텍처는 predict-complete-correct 파이프라인에 적용 가능하며, 우선순위에 따라 제약 조건 만족을 분해합니다.
이상적인 무한 폭 환경에서 MResOpt는 순차적 가우시안 프로세스 회귀처럼 작동하는 것으로 나타났어요. 합성 QP, QCQP, SOCP 벤치마크에서 고우선 제약 조건 만족도를 개선했어요.
선형-흐름 제약 AC 최적 전력 흐름 문제에서 물리 기반 제약 조건 순서를 도입하고 MResOpt가 효율적인 분업을 지원하여 고우선 위반을 줄이는 것을 확인했어요.