다광자 광환원(Multiphoton photoreduction)은 복잡한 3D 미세구조의 고충실도 제작을 가능하게 하지만, 사용 가능한 데이터가 희소하고 이질적이며 상호작용에 의해 지배되기 때문에 신뢰할 수 있는 공정-구조-특성(PSP) 예측은 여전히 어렵습니다. 이러한 영역에서는 기존의 특징 벡터 모델이 통계적으로 과소결정(underdetermined)되어 있어, 허위 상관관계(spurious correlations), 낮은 영역 전이(poor regime transfer), 불안정한 사후 설명(unstable post hoc explanations)에 취약하며, 반면 기계론적 파이프라인은 초기 공정 개발 단계에서 거의 이용할 수 없는 보정된 하위 모델에 의존합니다. 우리는 PSP-HDC를 제시합니다. 이는 방향성 PSP 그래프를 표현, 추론 및 설명의 내부 사전(internal prior)으로 인코딩하는 그래프 구조 초차원 컴퓨팅 프레임워크입니다. 훈련 가능한 sc

r process-fold generalization, outperforming strong baselines.