연구진은 금융, 기후 과학, 안전 관련 AI 등 극한 이벤트와 무거운 꼬리를 모델링하기 위해 뇌관 과정을 활용하는 데 어려움을 겪어왔습니다. 신경망 기반 지수 틸팅 프레임워크를 도입하여 뇌관을 구동하는 SDE의 변분 추론을 수행합니다. 새로운 방법론은 점프 구조를 유지하면서도 계산 가능한 유연한 변분 패밀리를 구성하고, 실제 데이터셋에서 기존 가우시안 기반 방법의 실패를 극복합니다.