적대적 학습이 PINN의 성능을 향상시키는 시점과 이유: Neural Tangent Kernel 관점에서의 분석

요약

본 논문은 PINN(Physics-informed neural networks)이 겪는 스펙트럼 편향 및 고주파 해에 대한 낮은 정확도 문제를 해결하기 위해 적대적 학습(Adversarial training)을 도입하는 이론적 근거를 제시합니다. Neural Tangent Kernel 관점에서 GAN의 판별기가 PINN의 학습 역학에 미치는 영향을 분석하여, 기존 방식보다 수 자릿수 더 높은 정확도를 달성하는 새로운 학습 알고리즘을 제안합니다.

핵심 포인트

• PINN의 고질적인 문제인 스펙트럼 편향(spectral bias)과 다중 스케일 해의 정확도 저하 문제를 분석함
• GAN의 판별기가 PINN의 학습 역학에 미치는 영향을 Neural Tangent Kernel 관점에서 이론적으로 규명함
• 적대적 학습이 PINN의 성능을 향상시키는 시점과 메커니즘에 대한 새로운 분석 프레임워크를 제안함
• 제안된 알고리즘은 기존 방법론 대비 수 자릿수(several magnitudes) 더 높은 정확도를 입증함