연구진은 자연 데이터의 계층적 구조를 반영하지 못하는 기존의 합성 데이터셋 한계를 지적하며, 임계 여과(critical percolation)를 기반으로 한 새로운 합성 데이터 모델을 제안했어요.
이 모델은 희소하고 저차원의 프랙탈 클러스터와 계층적 잠재 변수를 결합하여 데이터셋을 생성하며, 분석적으로 추적 가능하여 하이퍼파라미터 튜닝 없이도 속성을 고정할 수 있어요.
신경망 활성화로부터 잠재 변수를 선형적으로 디코딩할 수 있다는 점을 확인하며, 임계 여과가 해석 가능성 연구를 위한 효과적인 테스트베드임을 입증했어요.