펄서 자기권(pulsar magnetosphere)은 최근 도메인 분해(domain-decomposition) 접근 방식을 채택하고, 분리층(separatrix)과 적도 전류 시트(equatorial current sheet)를 무한히 얇은 불연속면으로 취급함으로써 물리 정보 신경망 (Physics-Informed Neural Networks, PINNs)을 사용하여 다루어지기 시작했습니다. 그러나 이러한 베이스라인은 광범위한 수동 하이퍼파라미터 튜닝(manual hyperparameter tuning)이 필요하며, 최종 정확도가 제한적이고 수 시간의 학습 시간을 요구합니다. 우리는 Kolmogorov-Arnold 네트워크 (Kolmogorov-Arnold networks)에 기반한 도메인 특화 신경망 구조, 자동화된 적응형 학습 파이프라인(automated adaptive training pipeline), 그리고 수동 보정의 필요성을 제거하는 물리 기반 수렴 기준(physics-based convergence criterion)을 도입하여 이 프레임워크를 개선했습니다. 제안된 방법론은 단정밀도(single precision)에서 20분 이내에 수렴을 달성하는 동시에, 배정밀도(double precision)에서 편미분 방정식(PDE) 잔차의 평균 제곱 오차(mean squared errors)를 $O(1e-6)$ 수준으로 구현하여 자기 일관적인 축대칭 자기권 솔루션을 제공합니다. 이는 베이스라인 대비 두 자릿수(two orders of magnitude) 개선된 결과입니다. 중요한 점은, 이 방법이 기존 솔버(solvers)에서도 어려움을 겪었던 심각한 공간 스케일 격차를 극복하면서, 베이스라인 대비 최대 80%까지 축소된 항성 반지름(stellar radii)을 안정적으로 해결한다는 것입니다. 또한, 무한히 열리는 플럭스(flux)를 변화시킴으로써, 이를 적도 T-지점(equatorial T-point)의 위치와 연결하는 방정식에 대한 보정치를 제공합니다. 전체 프레임워크는 오픈 소스 라이브러리인 PulsarX로 공개되었습니다.