연구진은 물리 법칙에 따라 연관된 데이터의 일관성을 고려하는 새로운 자기 지도 학습 방법 '임포스터'를 제안했어요.
임포스터는 한 개체의 일부 특징을 다른 개체의 관측치로 대체하고, 인코더가 교체된 특징을 식별하도록 훈련하여 교차 특징 물리적 의존성을 학습해요.
ERA5-Land 재분석 데이터를 활용한 실험에서 임포스터는 기후 분류, 탄소 플럭스 추정, 하천 유량 예측 등 다양한 다운스트림 작업에서 유용한 정보를 제공하며 기존 자기 지도 학습 방법과 상호 보완적 효과를 보였어요.