선형 제약 가우시안 프로세스와 경계 조건

논문은 베이지안 머신러닝에서 사전지식을 어떻게 효과적으로 인코딩할 것인가라는 근본적인 질문을 다룬다. 특히, 선형 부분미분방정식(Linear PDE)과 그에 수반되는 경계조건을 정확히 만족하는 가우시안 프로세스(GP) 사전분포를 설계하는 방법을 제시한다. 기존 연구들은 미분방정식 자체를 만족하도록 커널을 설계하거나, 수치적 차분 스킴을 이용해 근사적인 GP를 만들었지만, 경계조건을 함수 형태로 다루는 경우에는 근본적인 한계가 있었다. 본 논문은 이러한 한계를 극복하기 위해 두 단계의 파라미터화를 도입한다. 첫 번째 파라미터화는 연산자 행렬 A∈R^{ℓ×m}가 정의하는 해 공간 sol_F(A)=\{f∈F^m | Af=0\}를 파라미터화하는 연산자 B∈R^{m×p}를 찾는 것이다. 여기서 R은 다항식 링, 미분 연산자 링, 혹은 Weyl 알제브라 등으로 정의될 수 있다. B는 A의 오른쪽 영공간이며, AB=0을 만족한다. B가 존재하면 sol_F(A)=B·F^p이며, B·g_F (g_F는 기본 GP) 의 실현은 sol_F(A) 전체에 조밀하게 퍼진다. 이 과정은 Gröbner 기반의 기호 연산을 통해 자동화되며, Theorem 3.6에서 B와 A의 좌·우 영공간 관계가 정리된다. 두 번째 파라미터화는 경계조건을 정의하는 다항식 아이디얼 I⊂R