과학 모델링을 위한 제약 조건 학습 (Constrained Learning for Scientific Modelling)

요약

본 기사는 과학 및 공학 시스템에 적용되는 머신러닝 모델의 물리적 한계를 다룹니다. CL4SM 세션은 보존 법칙, 대칭성 등 사전 지식을 존중하는 ML 모델 개발을 촉진하며, 소프트/하드 제약 조건 적용 방법론을 논합니다.

핵심 포인트

• ML 모델이 물리적으로 틀릴 수 있는 문제점(질량/에너지 비보존 등)을 다룸.
• 보존 법칙, 대칭성 등 사전 지식을 활용하여 ML 모델의 신뢰성을 높이는 것이 핵심 목표임.
• 소프트 제약 조건 공식화부터 구조 보존 아키텍처까지 다양한 방법론이 논의됨.
• 기후, 유체, 에너지 등 광범위한 과학/공학 분야에 응용 가능함.