적은 데이터로도 물리적으로 맞는 예측을 할 수 있을까?
측정이 어렵고 데이터가 적은 문제에서는, 데이터만 학습한 모델이 범위를 벗어나면 물리적으로 틀린 답을 내기 쉽다고 생각합니다. 물리 정보 신경망(PINN)은 물리 법칙을 학습에 넣는 방식으로 2017년에 공개된 논문에서 제안됐습니다. 저희는 이 방향을 탐구하고, 해 본 것은 나누려 합니다.
지배 방정식 · 관측 데이터
방정식과 관측값을 연결·정제한 뒤, 에이전트가 모델을 학습하고 서로 검증하는 흐름을 목표로 합니다.
빠르게 계산하는 대리 모델
| 분야 | 물리학 |
|---|---|
| 상태 | 준비 중 |
| 입력 | 지배 방정식 · 관측 데이터 |
| 결과 | 고속 대리 모델 |
| 제공 방식 | 공동 연구 |