연구진은 복잡한 likelihood 함수를 에뮬레이션하는 머신러닝 프레임워크를 개발했어요. XGBoost 기반의 gradient-boosted regression trees를 사용해 계산 효율성과 신뢰도 영역 해상도를 높였어요.
B 메존 붕괴 분석에 적용해 유효성을 검증하고, axion-like 입자나 우주론 global fit 등 다른 시스템에도 적용 가능성을 확인했어요.
SHAP 값을 활용해 feature 중요도를 분석해 머신러닝 예측의 물리적 해석 가능성과 일관성을 확보했어요.