편미분 방정식(PDE) 해 집합에 대한 물리 정보 신경 임베딩

요약

본 논문은 편미분 방정식(PDE)의 해 집합에 대한 유한 차원 임베딩을 학습하는 물리 정보 프레임워크를 제안합니다. 다중 헤드 Physics-Informed Neural Network를 사용하여 공유 본체가 잠재 다양체를 학습하고, 선형 헤드가 개별 해를 재구성합니다. 이 방법은 초기 조건의 변동성을 효과적으로 포착하며, 낮은 차원의 주성분으로 높은 분산 설명력을 보여줍니다.

핵심 포인트

• PDE 해 집합을 위한 물리 정보 임베딩 프레임워크 제시
• 다중 헤드 PINN 구조로 잠재 다양체 학습 및 개별 해 재구성
• 헤드 직교화 페널티를 통해 잠재 표현의 퇴행성 제거
• Burgers 방정식 등에서 낮은 차원의 주성분으로 높은 분산 포착