Vibe Coding 패러다임을 활용한 과학 기계 학습 연구를 위한 첫 오픈 소스 저장소

과학 기계 학습(Scientific Machine Learning) 연구 — PINNs, PIELM, 랜덤 특징 방법(Random Feature Methods), 신경 연산자(Neural Operators) 및 그 이상 — 을 Vibe Coding 패러다임을 통해 수행하는 최초의 오픈 소스 저장소

Xiong Xiong (熊雄) · Northwestern Polytechnical University (NWPU)

AI4PDE · Physics-Informed Deep Learning · 데이터 기반 발견(Data-Driven Discovery)

저희 과정 『PINN & 신경 연산자 & AI 에이전트 종합 연구 가속화』는 2025년 여름 제1기 개강 이후, 누적 국내외 석박사 대학원생 및 교수진 수강생이 170명을 초과했습니다. 수강생들은 케임브리지 대학교, 뮌헨 공과대학교, 노팅엄 대학교, 싱가포르 국립대학교, 홍콩 과학기술대학교, 베이징 대학교, 중국과학원, 저장대학교, 상하이교통대학교, 하얼빈공업대학교, 화중과학기술대학교, 시안교통대학교, 쓰촨대학(西北工业大学), 중국과학기술대학교, 난징대학교, 선전대학교, 산둥대학교, 신장대학교, 샹장대학교, 상하이과학기술대학교, 스자좡학원 등 국내외 대학 및 연구기관 출신이며, 좋은 평가를 받고 있습니다! 저희 과정은 단순히 사용하는 방법을 알려주는 것을 넘어, 근본적인 수학 원리를 이해하고 코드를 알고리즘적으로 효율적이고 정확하게 구현하며, 최상위 저널에 논문을 게재하는 방법까지 배우는 데 초점을 맞추고 있습니다. 2026년 가을 학기 과정은 제2기 과정입니다 (제1기 40시간 녹화 + 제2기 40시간 라이브, 총 80시간 영상 강의). 9월 6일부터 매주 토요일과 일요일 저녁 7시 30분~9시 30분에 라이브 방송을 진행합니다. 그룹에 참여하거나 위챗(微信)으로 연락 주시면 학습/강좌 상담 및 논문 지도 등록을 환영합니다.

강의 지원 플랫폼

• 위챗 공식 계정: AI4CFD
• 위챗 공식 계정: 데이터 기반과 역학(数据驱动与力学)
• AI 에이전트 연구소 (小红书): AI智能体科研站
• Bilibili (B站): AI4CFD
• AI4PDE

Vibe Coding & Vibe Researching— 인간은 중요한 과학적 문제를 발견하고 공식화하며; AI 에이전트가 코드를 작성하고 실험을 실행하며 계산 파이프라인을 자동으로 최적화합니다; 인간은 최종 결과를 검증, 유효성 검사 및 수용합니다. 손으로 직접 작성하는 코드는 단 한 줄도 없습니다.

우리는 전산 연구의 미래가 인간 지성과 AI 역량 간의 명확한 역할 분담에 있다고 믿습니다. 인간은 도메인 전문성을 활용하여 의미 있는 문제를 식별하고, 해결 전략을 설계하며, 결과 품질에 대한 중요한 판단을 내립니다. AI 에이전트는 코드 작성 및 실험 실행부터 하이퍼파라미터 조정 및 시각화 생성까지 전체 구현 주기를 처리합니다. 이 폐쇄 루프 워크플로우를 통해 연구자들은 공학적 오버헤드보다는 과학적 통찰에 집중할 수 있습니다. 이 저장소의 모든 알고리즘은 JAX로 GPU 가속을 사용하여 구현되었으며, 각 사례는 저장된 데이터, 그림 및 모델 체크포인트를 통해 완벽하게 재현 가능합니다.

Vibe Coding & Vibe Researching— 인간은 중요한 과학 문제를 발견하고 제기하며, AI 에이전트가 코딩, 실험 실행 및 계산 프로세스 자동 최적화를 담당하고, 최종적으로는 인간이 결과를 검토, 검증 및 승인합니다. 이 과정 전체에서 단 한 줄의 코드도 직접 작성하지 않고(시도하여) 완전한 복잡한 과학 연구 프로젝트를 완료할 수 있습니다.

본 프로젝트는 PINNs, 물리 정보 극한 학습기(PIELM), 랜덤 특징 방법, 신경 연산자 등 과학 기계 학습(Scientific Machine Learning) 분야의 최첨단 알고리즘을 포괄하는 일련의 완전하고 독립적인 JAX-GPU 구현을 제공하며, 상세한 중국어 학술 튜토리얼도 함께 제공합니다. 인간은 도메인 지식을 바탕으로 가치 있는 과학 문제를 발견하고, 해결 전략을 설계하며, 결과 품질을 관리합니다. AI 에이전트는 코드 작성부터 실험 실행 및 하이퍼파라미터 조정, 시각화 생성에 이르는 전 과정의 작업을 담당합니다. 이러한 폐쇄 루프 협업 모델은 연구자가 공학적 세부 사항보다는 과학적 통찰에 집중할 수 있도록 합니다.

jax, jaxlib(CUDA), optax, matplotlib, numpy, scipy

각 사례 디렉터리에는 단일 독립적인 .py 파일이 포함되어 있습니다:

cd NTK-PINN-jax/case2_wave1d/
python wave1d_ntk_pinn.py

cd MultiScalePINN_jax/case1_heat1d/
python heat1d_multiscale_pinn.py

cd VSPINN_jax/case1_ns2d/
python ns2d_vspinn_pinn.py

cd GradientWeighted_PINN_jax/case2_klein_gordon/
python klein_gordon_gw_pinn.py

cd ScalePINN-jax/case1_ldc_re7500/
python ldc_re7500_scalepinn.py

cd RFM_jax/case1_stokes_2d/
python stokes_2d_rfm.py

모든 결과(데이터 .txt, 그림 .png, 체크포인트 .pkl)는 자동으로 저장됩니다.

MIT

이 저장소가 유용했다면, 인용을 고려해 주십시오:

@software{xiong2026vibecoding,
author = {Xiong, Xiong},
title = {Physics-Informed Vibe Coding: Scientific Machine Learning in JAX via Human-AI Collaboration},
...

다음 관련 연구들도 인용할 수 있습니다:

@article{WANG2022110768,
title={When and why PINNs fail to train: A neural tangent kernel perspective},
author={Wang, Sifan and Yu, Xinling and Perdikaris, Paris},
...