Das gemeinsame Paper "On cheap entropy-sparsified regression learning" von Illia Horenko mit Edoardo Vecchi, Juraj Kardos, Olaf Schenk, Andreas Wächter, Terence O’Kane, Patrick Gagliardini und Susanne Gerber wurde in den renommierten Proceedings of the National Academy of Sciences of the United States of America (PNAS) veröffentlicht.

In dem Paper geht um eine neue Mathematik-getriebene Art der KI, das "entropy-sparsified regression learning". Dabei wurde gezeigt, dass diese Methode viel kosten- und energie-effizienteres Lernen erlauben kann als die herkömmlichen KI-Verfahren wie "Deep Learning". Zudem wurde gezeigt, dass man damit die Vorhersagen für das dominante Klima-Phänomen El Nino um den Faktor zwei verbessern kann und die Methode Einblicke in die Physik der Wechselwirkungen zwischen Ozean und Atmosphere erlaubt.