연구진은 심층 상태 공간 모델(DSSM)을 효율적으로 학습할 수 있는 새로운 방법인 '병렬 변분 몬테카를로(PVMC)'를 제안했어요. PVMC는 기존의 자동 인코딩 DSSM과 순차적 몬테카를로(SMC) 방식의 장점을 결합했어요.
PVMC는 생성 및 판별 작업 모두에 활용 가능하며, 기존 SMC 방식보다 10배 빠른 학습 속도를 보여줘요.
연구 결과, PVMC는 기존 방식 대비 뛰어난 성능을 보이며, 심층 상태 공간 모델 학습의 새로운 가능성을 제시했어요.