연구진이 물리 정보 신경망(PINN)의 최적화 문제를 해결하는 DSGNAR(Doubly-Sketched Gauss-Newton with Adaptive Ratio) 프레임워크를 공개했어요.
DSGNAR은 정규화와 스텝 길이를 조절하는 새로운 전략을 통해 기존 PINN의 정확도와 속도 문제를 개선했어요.
버거스 방정식에서 최대 8배, 포아송 방정식에서 5배 향상된 정확도를 달성했으며, 단일 정밀도 환경에서 10초 내에 최고 수준의 정확도를 얻을 수 있어요.