그린 적분 기반 신경망 솔버로 고주파 물리 문제 해결

요약

기존의 PINNs는 이질 매체에서 높은 진동 특성을 가진 헬름홀츠(Helmholtz) 방정식을 시뮬레이션하는 데 어려움을 겪습니다. 본 논문은 PDE 잔차 최소화 방식 대신, 비국소적 제약 조건인 그린 적분 (Green-Integral, GI)을 활용하여 음향 헬름홀츠 방정식의 신경망 솔버를 제안합니다. 이 접근법은 공간 미분을 제거하고 물리적 해(outgoing radiation)를 내재적으로 구현하며, FFT 기반 컨볼루션을 통해 계산 효율성을 극대화했습니다. 또한, 국소 정확도를 높이기 위해 GI와 경량 헬름홀츠 잔차를 결합한

핵심 포인트

• GI 솔버는 PDE 잔차 최소화를 피하고 적분 표현을 사용하여 물리적 제약을 강제함으로써 높은 진동 해를 효과적으로 시뮬레이션합니다.
• FFT 기반 컨볼루션을 활용하여 GI 손실 평가 속도를 높이고 GPU 메모리 사용량 및 학습 시간을 크게 단축시켰습니다.
• GI 기반 훈련은 기존 PDE 기반 PINNs보다 계산 비용을 10배 이상 절감하며, 이질 매체에서 안정적인 성능을 보입니다.
• 국소 산란 영역의 정확도를 극대화하기 위해 GI 손실과 비균일 샘플링된 경량 헬름홀츠 잔차를 결합한 하이브리드 방식을 제안했습니다.