Core Concepts
물리 기반 지식과 기계 학습 기능의 시너지를 통해 과학 및 공학 연구의 경계를 확장하는 것이 중요하다.
Abstract
이 논문은 물리와 기계 학습의 융합에서 태어난 물리 기반 기계 학습(PEML) 기법에 대해 논의한다. 특성, 사용 사례, 동기를 고려하여 PEML 기법의 스펙트럼을 포괄적으로 탐구한다. 단일 자유도 Duffing 진동기 예제를 통해 다양한 PEML 접근법의 개별적인 특성과 동기를 강조한다. 투명성과 협업을 촉진하고 독자에게 실용적인 예를 제공하기 위해 이러한 작업 예제를 생성하는 코드가 제공된다. 이 논문은 물리 기반 지식과 기계 학습 기능의 시너지가 과학 및 공학 연구를 발전시키는 데 핵심적인 역할을 한다는 것을 강조한다.
Stats
단일 자유도 Duffing 진동기의 질량은 10kg, 감쇠 계수는 1Ns/m, 선형 강성은 15N/m, 비선형 강성은 100N/m3이다.
진동기에 가해지는 힘은 0.7, 0.85, 1.6, 1.8 rad/s의 주파수를 가진 무작위 위상 다중 사인 신호이다.
Quotes
"물리 기반 지식과 기계 학습 기능의 시너지를 통해 과학 및 공학 연구의 경계를 확장하는 것이 중요하다."
"데이터 중심 모델은 데이터가 수집된 도메인에 국한되어 일반화 능력이 부족하다는 한계가 있다."