연구진은 제한된 관측 데이터와 복잡한 물리적 역학으로 인해 환경 시스템 모델링이 어렵다는 문제점을 해결하기 위해 PIER(Physics-Informed Environmental Retrieval) 프레임워크를 제안했어요.
PIER는 기존 임베딩 기반 검색 방식에 물리적 일관성을 고려하는 스트림을 추가하여 유사한 임베딩이라도 다른 메커니즘에서 발생했을 가능성을 감안하도록 설계됐어요.
미국 중서부 356개 호수의 41년간 데이터를 활용한 실험에서 PIER는 수온과 용존 산소 예측 성능이 기존 방식보다 우수했고 다양한 백본에서 일반적인 증강 전략으로 활용 가능성을 입증했어요.