本論文では、データから物理システムの挙動を理解するための支配方程式の学習に焦点を当てています。特に、非線形動的システムの簡潔なモデルを特定するために有効なSindyアルゴリズムに基づいています。著者らは、制御理論の基盤となるアルゴリズムであるカルマンフィルタ（KF）を統合することで、スパース駆動アプローチをリアルタイム学習に拡張しています。これにより、未知のシステムパラメータを状態変数として扱い、複雑で時間変化する非線形モデルのリアルタイム推論を可能にします。さらに、SKFはKFのパラメータ識別戦略を強化し、スパース性の推定や変動パラメータの簡素化を実現します。実験として、カオス的なローレンツシステムを用い、本手法の効果を実データに基づく航空機モデルのリアルタイム特定で証明しました。