연구진은 물리 방정식이 소프트 제약으로만 적용되어 제약 조건 만족을 보장하지 못하는 PINN의 한계를 극복하기 위해 PL-KKT-hPINN 프레임워크를 제안했어요.
PL-KKT-hPINN은 조각별 선형 투영을 통해 비선형 등식 제약 조건을 엄격하게 강제하며, KKT 조건을 활용해 신경망 출력을 제약 조건 실현 가능 영역에 정사영합니다.
CSTR 사례 연구에서 표준 신경망과 유사한 예측 정확도를 유지하면서 제약 조건 위반을 크게 줄이고, 데이터가 부족한 환경에서도 더 나은 강건성을 보였습니다.