핵심 개념
물리 기반 신경망의 성능을 향상시키기 위해 시간 연속성을 정확하게 적용하는 방법 소개
초록
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
통계
제안된 방법은 시간 도메인을 여러 세그먼트로 분해하여 시간 연속성을 정확하게 적용함
HCS-PINN 방법은 간단하게 구현되며, 시간 연속성과 관련된 손실 용어를 제거함
인용구
"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"