Core Concepts
물리학을 고려한 기계 학습은 수리학과 기계 학습을 혁명적으로 변화시키고 있다.
Abstract
물리학을 고려한 기계 학습은 수리학과 머신 러닝을 혁명적으로 변화시키고 있다.
물리학적 지식을 통합한 방법론인 PaML을 소개하고, 이를 통해 수리학과 기계 학습의 패러다임 변화를 촉진하고 있다.
PaML은 물리학적 데이터 지도 기계 학습, 물리학 정보 기계 학습, 물리학 내장 기계 학습, 물리학 인식 하이브리드 학습으로 분류된다.
물리학을 내장한 기계 학습은 특정 방정식(미분 방정식 등)의 지식을 활용하여 기계 학습 모델을 설계한다.
Stats
물리학적 지식을 통한 예측을 향상시키기 위해 미분 방정식을 기계 학습 모델에 포함하는 AutoIP 프레임워크가 제안되었습니다.
물리학적 속성을 학습하는 물리 그래프 네트워크(FGN)가 유체 필드를 해결하기 위해 제안되었습니다.
Quotes
"물리학을 고려한 기계 학습은 수리학과 머신 러닝을 혁명적으로 변화시키고 있다."
"PaML은 물리학적 데이터 지도 기계 학습, 물리학 정보 기계 학습, 물리학 내장 기계 학습, 물리학 인식 하이브리드 학습으로 분류된다."