ScaleAware-JEPA: Latent Representation for Discovery in Multiscale Physical Fields

물리적 다중 스케일 필드에 맞춘 JEPA 변형으로, Constrained Diffusion Decomposition을 통해 스케일별 잠재 좌표를 학습한다. MHD 난류, 분자가스, 도시 야간 조명에 적용.

ScaleAware-JEPA는 연속 물리 필드의 다중 스케일 구조를 JEPA에 통합한 프레임워크이다. Constrained Diffusion Decomposition(CDD)으로 필드를 스케일별 성분으로 분해하고, 각 스케일에 맞춘 마스킹으로 예측 과제를 구성한다. MHD 난류, 성간 분자가스, 도시 야간 조명 데이터에 적용하여 라벨이나 사전 정의된 분할 없이도 물리적으로 의미 있는 구조를 잠재 공간에서 포착한다. 소비자용 하드웨어(M3 Pro, RTX 3090)로 실험을 수행한 1인 연구이다.

핵심 요약

• Constrained Diffusion Decomposition(CDD)으로 필드를 픽셀 단위 스케일 성분으로 분해
• CDD 스케일이 마스킹 기하학을 결정 → 물리적 스케일 계층과 예측 과제 정렬
• MHD 난류, NGC 3627 분자가스, 청두 야간 조명 등 3개 이질적 도메인에 적용
• 라벨, segmentation, 카탈로그 없이 dense latent atlas 생성 가능
• 고정 패치 마스크 대비 스케일 인지 마스킹의 우월성을 정량 검증
• Apple M3 Pro + RTX 3090 소비자용 하드웨어로 수행된 독립 연구

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.