시계열 모델링에는 동역학계 (Dynamical Systems) 관점이 필요합니다

요약

시계열(TS) 모델링의 발전을 위해 동역학계(Dynamical Systems) 관점을 도입해야 한다는 ICML 2026 포지션 페이퍼를 소개합니다. 단순 예측을 넘어 시스템의 근저에 있는 동역학적 규칙을 이해함으로써 도메인 외 일반화와 장기 예측 성능을 높이는 방안을 제안합니다.

핵심 포인트

• 동역학계 재구성(DSR)을 통한 도메인 외 일반화 및 장기 행동 예측 가능성 확보
• DSR 특화 학습 기술 및 목적 함수를 통한 모델 복잡도 감소와 통계적 특성 포착
• 인위적 함수가 아닌 동역학계 시뮬레이션을 통한 자연스러운 사전 학습(Pretrain) 필요
• 트랜스포머 대신 시간적 재귀를 잘 포착하는 현대적 RNN 구조의 중요성 강조
• 위상적 변화 및 임계점 등 동역학적 체제 변화를 다루는 모델링의 필요성