스파이킹 시퀀스 머신과 트랜스포머는 시퀀스 학습을 위한 공통된 5가지 기능(인코딩, 컨텍스트 유지, 연관 검색, 저장, 디코딩)을 수행하며, 코사인 유사성을 핵심 검색 원칙으로 사용한다는 사실이 밝혀졌어요.
위상 지연 동형 이성질체(Phase-Latency Isomorphism)를 통해 사인파 위치 인코딩과 스파이크 타이밍이 선형적으로 관련되어 있으며, 점곱 어텐션은 위치 성분에 대한 전역 스케일 인자 내에서 이 매핑에 불변함을 증명했어요.
실험 결과, 주파수 압축 위치 인코딩은 복사 작업에서 수렴하지 못했지만, 학습된 순위 기반 임베딩은 사인파 인코딩과 유사하거나 더 나은 성능을 보여주며, 위치 표현의 핵심은 사인파 형태가 아닌 거리 구별력임을 시사했어요.