Once-for-All: 평형 상태 추정 기반의 확장 가능한 동시 예측

우리는 Equilibrium State Estimation (ESE)이라는 새로운 패러다임을 소개합니다. 이는 여러 상호작용하는 시스템들이 개별적이면서도 협력적인 예측을 필요로 하는 경우에 사용됩니다. 이러한 시나리오는 경제학이나 헬스케어 모델링과 같은 실제 환경에서 자주 발생합니다. 기존 접근 방식들은 한 번에 하나의 시스템만을 예측하는 반면, ESE는 모든 시스템을 단일 패스로 예측합니다. 먼저 시스템 전반의 평형 상태를 추정하고, 이후 현재 상태와 추정된 평형 상태 간의 차이를 기반으로 전체적인 예측을 생성합니다. 통화 환율 및 COVID-19 확산 모델링을 포함한 합성 데이터셋과 실제 데이터셋에 대한 광범위한 실험 결과, ESE가 state-of-the-art (SOTA) 방법만큼 정확할 뿐만 아니라 훨씬 빠르다는 것을 입증했습니다. 또한, ESE는 기존 예측기들과 원활하게 통합되어 그들의 정확도와 탁월한 효율성을 결합하며 10~70배의 속도 향상을 제공합니다. 선형 시간 복잡도를 가지므로, 시스템 수가 증가함에 따라 SOTA 방법보다 훨씬 더 잘 확장됩니다. 더욱이, 다양한 교란 조건에서도 정확도를 유지하여 ESE를 빠르고, 일반화 가능하며, 견고하고, 확장 가능한 다중 예측 방법으로 확립했습니다.