연구진은 머신러닝과 신호 처리의 핵심 과제인 범용 함수 근사 문제를 해결하기 위해 (MPO)$^2$ 프레임워크를 제안했어요. 이 프레임워크는 학습된 MPO 특징 임베딩과 소형 다항식 가중치 텐서를 결합하여 특징 순서에 독립적인 다항식 표현을 제공해요.
기존 텐서 분해 기반 다항식 모델보다 성능이 향상되었으며, 투영, 컨볼루션, 마스크와 같은 구조적 연산자를 가중치 텐서 대칭에 통합할 수 있어요.
회귀 및 분류 벤치마크에서 (MPO)$^2$는 기존 모델보다 개선된 성능을 보였으며, 효율적인 다항식 함수 근사에 유연한 대안을 제시해요.