Kolmogorov-Arnold networks를 이용한 생물학적 진동자의 숨겨진 강제력 추론

부분적인 관측으로부터 동역학적 시스템 (dynamical system)을 구동하는 힘을 추론하는 것은 물리학 전반에 걸친 근본적인 과제이며, 특히 서로 다른 기저 메커니즘이 유사한 관측 가능한 역학을 생성할 때 더욱 그러합니다. 본 연구에서는 공기 주머니 (air-sac) 압력 측정값만으로 조류 호흡 역학의 기저에 있는 유효 근육 강제력 (muscular forcing)을 재구성할 수 있음을 보여줍니다. Kolmogorov-Arnold networks (KAN)에 기반한 해석 가능한 학습 프레임워크를 사용하여, 데이터로부터 시스템의 지배 방정식 (governing equations)을 직접 추론하였으며, 압력 신호에서는 명확히 드러나지 않는—대신 이완 유사 진동 (relaxation-like oscillation)을 시사하는—기저 강제력의 비자명한 구조를 밝혀냈습니다. 재구성된 역학은 각 호흡 주기 내의 2단계 활성화 패턴을 예측하며, 이는 호기 근육 (expiratory muscles)의 근전도 (electromyographic) 기록을 통해 독립적으로 검증되었습니다. 이러한 결과는 데이터 기반의 역학 법칙 재구성이 숨겨진 물리적 구조를 드러내고 관측되지 않은 구동 변수 (driving variables)에 접근할 수 있게 함을 입증하며, 부분적으로 관측된 동역학적 시스템에서 잠재적 힘 (latent forces)을 추론하는 일반적인 경로를 확립합니다.