ADR-002: v3 → v4 전환 (GWN Multi-variate Teacher)

상태: 결정됨 (2026-04-07)

맥락

v3에서 Chronos Teacher가 EC 합산 1채널 예측 → Soft Target이 EC 스케일 → Student(개별가구)에게 유의미한 개별 신호 전달 불가 (MSE -0.42% 수준). Lin et al. 논문에서 GWN이 N가구를 동시에 처리하며 각 가구별 예측을 제공하는 구조 확인.

결정

GWN을 Teacher로 도입. Self-Adaptive Adjacency Matrix로 가구 간 관계 학습. SC-DLinear(FiLM conditioning)로 A_adp 정보를 Student에 전달.

근거

• GWN이 EC50 aggregate MSE 1위 (DLinear 대비 -2.4%)
• A_adp가 가구 간 공간 관계를 인코딩 → Feature-based KD 가능성

결과

• A_adp 대각선 지배도 23.84 (off-diagonal 정보 약함)
• 2×2 Factorial 전 효과 비유의 (KD p=0.24, A_adp p=0.33)
• Apt51이 개선의 98.6% 차지 → 일반화 실패
• 결론: A_adp → SC-DLinear 스토리라인 현재 데이터로 지지되지 않음