물리 정보 신경망(PINN)과 작용소 학습(Operator Learning)

편미분 방정식(PDE)은 과학 및 엔지니어링 문제 해결의 핵심 요소입니다. 문제의 복잡성과 데이터 양이 증가함에 따라, 과학자와 엔지니어들은 인공지능(AI)의 예측 능력과 데이터 학습 능력을 활용하여 PDE와 관련된 문제를 해결하고 있습니다. 이러한 AI와 물리적, 수학적 지식의 융합은 과학적 머신 러닝 또는 물리학 기반 머신 러닝이라고 불립니다.

이번 세션에서는 물리 법칙을 신경망 학습에 통합하는 물리학 기반 AI 기술(PINN), 푸리에 변환을 활용한 푸리에 뉴럴 오퍼레이터(FNO)에 대해 소개합니다. MATLAB^®을 통한 실제 데모를 통해 참가자들은 연구 및 프로젝트에 대한 실질적인 통찰력과 도구를 얻게 될 것입니다.

• 물리 정보 신경망(PINNs): 물리 법칙을 신경망 훈련에 직접 통합하여 데이터 기반 모델링과 물리 기반 모델링을 효과적으로 융합합니다.
• 푸리에 신경 연산자(FNO): 푸리에 변환을 활용하여 해상도에 무관한 연산자 학습을 가능하게 하여, PDE 해결의 효율성과 확장성을 높입니다.