과학적 머신러닝 (SciML) 대리 모델의 도메인 유효성 게이트 기반 메타모픽 테스팅

과학적 머신러닝 (Scientific machine-learning, SciML) 대리 모델 (surrogates)은 비용이 많이 드는 시뮬레이션을 근사화하지만, 임의의 입력에 대한 정확한 기대 출력값을 사용할 수 없습니다 (오라클 문제, oracle problem). 메타모픽 테스팅 (Metamorphic testing)은 실행 간의 관계를 점검하지만, 후보 관계가 자동으로 유효한 것은 아닙니다. 즉, 해당 관계의 전제 조건, 출력 매핑, 그리고 스코어링 연산자 (scoring operator)의 수치적 하한선 (numerical floor)이 위반 사항이 의미 있는지를 결정합니다. 본 연구에서는 후보 메타모픽 관계 (metamorphic relations, MRs)를 어떻게 도메인 유효성 (domain validity)에 따라 선별하고, SciML 대리 모델을 위한 실행 가능하며 오라클이 필요 없는 (oracle-free) 테스트 자산으로 전환할 수 있는지 연구합니다. 우리는 다음을 제안합니다: (i) 후보 관계의 허용 오차 (tolerance)가 연산자의 수치적 하한선보다 크고 전제 조건이 충족될 때만 이를 수용하는 도메인 유효성 루브릭 (domain-validity rubric); (ii) 소스 케이스, 변환 (transformations), 지표 (metrics), 허용 오차, 그리고 유형화된 관계 수준의 판결 (verdicts)을 기록하는 MR-card 실행 가능 자산 형식; (iii) 모든 결과를 추적된 아티팩트 (artifact)에 결합하는 클레임 원장 (claim ledger)을 포함한 MeshGraphNets 실린더 유동 대리 모델에 대한 사례 연구 프로토콜입니다. MeshGraphNets 체크포인트에서 노드 순열 (node permutation)은 기계 정밀도 (machine precision)를 유지하며, 거울 대칭 (mirror-y)은 정확한 대칭이라기보다 경계가 있는 분포 외 (out-of-distribution) 스트레스 발견 사항으로 나타나고, 절대 보존 (absolute conservation)은 유보되는 반면 참조 상대적 가드 (reference-relative guard)는 통과합니다. 동일한 결과가 홀드아웃 궤적 (held-out trajectories), 체크포인트 로스터, 세 가지 추가 아키텍처, 그리고 PhysicsNeMo에 걸쳐 유지됩니다. 두 번째 CFD 작업 (압축성 에어포일)에서는 술어 (predicate)가 물리적 근거에 따라 비압축성 연속성을 거부하며, 이는 시스템이 단순히 고정된 체크리스트를 실행하는 것이 아니라 도메인 유효성에 대해 추론함을 보여줍니다. 두 번째 PDE 제품군인 FNO Burgers 및 열 대리 모델에서는 전체 수용/거부/실행 판결이 실행됩니다. 증거는 두 가지 CFD 작업과 두 번째 PDE 제품군에 걸쳐 있으며, 이는 모델 수준의 위반과 도메인 외 적용을 분리하여 후보 MR에서 감사 가능한 SciML 테스트 자산으로 이어지는 유효성 인식 브릿지 (validity-aware bridge)를 지원합니다.