연구진은 스트레스-변형 데이터가 부족하거나 노이즈가 많은 경우를 대비한 불확실성 기반 하이퍼탄성 재료 모델링을 위해 interval 및 fuzzy 물리 기반 신경망(iPANN, fPANN)을 제안했어요.
iPANN은 노이즈 스트레스 관측값을 묶는 lower, mean, upper 자유 에너지 밀도 브랜치를 학습하고, fPANN은 alpha-cut interpolation을 통해 nested 응답 패밀리를 생성해요.
iPANN과 fPANN은 객관성, 일관성, 다중오목성을 유지하는 메커니즘 제약 조건을 인코딩하며, smoothed L0 정규화는 해석 가능한 에너지 표현을 촉진해요.