[G1-Sync] Manual knowledge update

10_Wiki/Topics/State Space Model (SSM).md

@@ -1,15 +1,15 @@
 ---
-id: P-REINFORCE-AUTO-SSMM-001
+id: [[P-Reinforce]]-AUTO-SSMM-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
-tags: [auto-reinforced, ssm, mamba, neural-networks, sequence-modeling, computational-efficiency]
+tags: [auto-reinforced, ssm, mamba, neural-networks, [[Sequence-Modeling]], computational-[[Efficiency]]]
 last_reinforced: 2026-04-20
 ---
 
 # [[State Space Model (SSM)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "트랜스포머의 독주를 위협하는 선형의 마법: 데이터 길이에 따라 연산량이 폭증하는 한계를 극복하고, 입력 데이터를 압축된 '상태(State)'로 관리하여 무한에 가까운 문맥을 가볍게 처리하는 새로운 딥러닝 아키텍처."
+> "트랜스포머의 독주를 위협하는 선형의 마법: 데이터 길이에 따라 연산량이 폭증하는 한계를 극복하고, 입력 데이터를 압축된 '상태([[State]])'로 관리하여 무한에 가까운 문맥을 가볍게 처리하는 새로운 딥러닝 아키텍처."
 
 ## 📖 구조화된 지식 (Synthesized Content)
 상태 공간 모델(State Space Model, SSM)은 신호 처리와 제어 공학의 고전적 이론을 현대 딥러닝에 접목하여 시퀀스 데이터를 효율적으로 처리하는 아키텍처입니다.
@@ -17,7 +17,7 @@ last_reinforced: 2026-04-20
 1.  **동작 원리 (Mamba 등 최신 모델 기준)**:
     *   **Continuous to Discrete**: 미분 방정식을 이산적인 형태로 변환하여 연산 수행.
     *   **Recurrent Process**: RNN처럼 이전 정보를 'State'라는 고정된 크기의 메모리에 저장하고 넘김.
-    *   **Parallel Processing**: 학습 시에는 CNN처럼 병렬 연산이 가능하게 정식화하여 전력 효율 극대화.
+    *   **Parallel [[Processing]]**: 학습 시에는 CNN처럼 병렬 연산이 가능하게 정식화하여 전력 효율 극대화.
 2.  **트랜스포머(Attention)와의 차이**:
     *   **Transformer**: 입력이 길어질수록 연산량이 제곱($O(n^2)$)으로 늘어남.
     *   **SSM**: 입력 길이에 선형적으로($O(n)$) 비례하여 연산 수행. 메모리 점유율이 획기적으로 낮음.
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에너지 효율이 글로벌 AI 연구의 핵심 정책 지표로 떠오름에 따라, 저전력 고성능을 보장하는 SSM 아키텍처 연구에 대한 집중 투자 및 하드웨어 가속기(NVIDIA GPU 등) 서포트 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- Foundational Models, [[Complexity Theory]], [[Reactive-Programming]], Sequence Modeling, Memory Mechanisms in AI
+- Foundational Models, [[Complexity Theory]], [[Reactive-Programming]], Sequence Modeling, [[memory]] Mechanisms in AI
 - **Modern Tech/Tools**: Mamba, S4, Hyena Hierarchy, PyTorch Mamba implementation.
 ---