Core Concepts
물리 기반 신경망의 성능을 향상시키기 위해 시간 연속성을 정확하게 적용하는 방법 소개
Abstract
물리 기반 신경망(PINNs)은 과학적 계산에 딥러닝 방법을 적용한 패러다임 변화를 나타냄
시간 의존 문제의 동적 행동을 정확하게 예측하는 데 어려움이 있음
시간 도메인을 여러 세그먼트로 분해하고 각 세그먼트마다 별도의 신경망을 사용하여 시간 연속성을 직접 적용하는 방법 소개
제안된 방법은 시간 세그먼트 간의 연속성을 정확하게 강제하며, 기존 방법보다 우수한 수렴 및 정확도를 보임
선형 및 비선형 편미분 방정식을 포함하는 여러 벤치마크 문제에 대해 테스트되었음
Stats
제안된 방법은 시간 도메인을 여러 세그먼트로 분해하여 시간 연속성을 정확하게 적용함
HCS-PINN 방법은 간단하게 구현되며, 시간 연속성과 관련된 손실 용어를 제거함
Quotes
"물리 기반 신경망(PINNs)은 과학적 계산에 딥러닝 방법을 적용한 패러다임 변화를 나타냄"
"시간 도메인을 여러 세그먼트로 분해하고 각 세그먼트마다 별도의 신경망을 사용하여 시간 연속성을 직접 적용하는 방법 소개"