OperatorSHAP: 신경 연산자(Neural Operators)를 위한 빠르고 정확한 샤플리 값(Shapley Value) 추정

요약

신경 연산자(Neural Operators)의 예측을 해석하기 위한 새로운 기여도 산출 방법론인 OperatorSHAP를 제안합니다. 격자 크기에 구애받지 않는 격자 불가지론적(grid-agnostic) 특성을 가지며, 함수 공간에서의 이론적 프레임워크를 통해 효율적인 샤플리 값 추정을 가능하게 합니다.

핵심 포인트

• 신경 연산자를 위한 격자 불가지론적 기여도 산출 방법론 제안
• Aumann-Shapley 값과 연결된 함수 공간 기반의 이론적 프레임워크 구축
• 재학습 없이 다양한 해상도 및 격자 크기 간 전이 가능
• 기존 FastSHAP의 균질한 입력 한계를 극복하여 물리적 응용 분야에 최적화