Linear Independent Component Analysis (ICA)는 선형 혼합으로부터 독립적인 소스 신호를 복구하는 기술입니다. 기존 ICA 알고리즘은 비가우스성을 최대화하기 위해 네겐트로피와 같은 프록시 대비 함수를 사용합니다. 연구진은 표준 가우스 분포와의 제곱 와서슈타인 거리(Wasserstein distance)를 활용하여 비가우스성을 측정하는 새로운 방법론을 제시합니다.
와서슈타인 거리가 최대화될 때 선형 투영이 독립 성분을 복구한다는 점을 증명하고, 이를 바탕으로 OT-ICA 알고리즘을 제안했습니다. OT-ICA는 기울기 기반 최적화를 통해 투영을 찾습니다.
시뮬레이션 데이터 실험 결과, OT-ICA는 잠재 변수의 분포에 관계없이 기존 프록시 기반 방법보다 성능이 우수했으며, 뇌파(EEG) 아티팩트 제거 및 경제학적 가격 발견에도 활용 가능성을 확인했습니다.