この記事では、ヴェーダ数学からインスパイアされた深い状態空間モデル（SSM）のエンコーディング手法「ナガ」を紹介しています。この手法は、時間的系列データを双方向で表現することを可能にし、前方向および時間を逆転させた入力系列を同時に処理します。その後、これらの表現を要素ごとに結合し、時間的依存性をより効果的に捉えるヴェーダに基づくエンコーディングを実現します。ナガは、長期的な時間系列予測のベンチマークテスト（ETTh1、ETTh2、ETTm1、ETTm2、天候、交通、ILIなど）で評価され、28の最先端モデルを上回る性能を示しました。これにより、構造化されたヴェーダに基づく分解を取り入れることで、長期的な系列モデリングのための解釈可能で計算効率の高い代替手段が提供される可能性が示唆されています。