연구진은 편미분방정식(PDE) 역문제에서 발생하는 최적화 문제, 손실 경쟁, 파라미터 보상 문제를 해결하기 위해 타겟 가이드형 선택적 재가중치 물리 정보 신경망(TGSR-PINN)을 제안했어요.
TGSR-PINN은 첫째 차감 테일러 민감도와 사전 활성화 분산을 활용해 뉴런 타겟 점수를 계산하고, 둘째 가우시안 혼합 모델(GMM)을 통해 약한 적응 신호를 생성해요.
이후 저점수 뉴런의 입력 가중치 행과 편향에 선택적 소프트 디케이(soft decay)를 적용하여 부정적인 전이 학습을 완화해요.
실험 결과, TGSR-PINN은 표면 정확도를 유지하면서 타겟 파라미터 복구를 개선하는 것으로 나타났어요.