本論文では、多くの調整ネジを持つキャビティデュプレクサの調整における機械学習手法を提案しています。従来の強化学習手法は不適切であったため、監視学習の設定にタスクを再定義しました。提案されたニューラルネットワークアーキテクチャは1次元のResNet風のバックボーンを特徴とし、S-パラメータに関する追加情報（曲線の形状、ピークの位置および振幅）を処理します。このニューラルネットワークは外部制御アルゴリズムと連携し、スクリューあたり4〜5回の回転でデュプレクサのチューニング状態にほぼ到達する能力を持つことが示されています。