연구진이 신경 콜모고로프 방정식(NKE)을 제안하여 신경 확률론적 미분방정식(SDE)의 한계를 극복했어요. NKE는 확률 밀도 진화를 모델링하여 개별 확률론적 경로를 모델링하는 기존 방식에서 벗어납니다. NKE는 일반적인 레비 유형의 확률론적 강제를 KFE 연산자 구조를 통해 직접 학습하며, 시간 병렬 학습을 가능하게 합니다. 연구진은 복잡한 확률론적 벤치마크에서 NKE를 평가하여 정확한 동역학 복원과 향상된 학습 효율성을 확인했습니다.