연구진은 온실 내부 온도와 습도 역학을 동시에 재구성하고 주요 모델 매개변수를 식별하기 위한 결합된 PINN 접근 방식을 제안했습니다. 제안된 프레임워크는 줄어든 차원의 물리 기반 모델을 학습 과정에 통합하여 희소하고 노이즈가 많은 관찰 조건에서도 일관된 추정을 가능하게 합니다. 결합된 PINN은 순수 데이터 기반 신경망 기준선과 비교하여 재구성 정확도를 향상시키고 온도 및 습도 오류를 줄이며 높은 결정 계수를 유지했습니다.