연구진은 물리 기반 제약 조건이 적용된 생성 모델의 외삽 문제를 해결하기 위해 '역컨파운딩 계층적 게이트(DHG)'를 제안했습니다. DHG는 온도 혼란이 각 제약 수준에 미치는 영향을 진단하고 제어하여 물리적 불일치를 반영하도록 합니다. 대상 도메인 데이터를 사전 훈련에서 제외하면 외삽 성능이 39% 향상되는 역설적인 결과를 얻었습니다.
사전 훈련 시 FNO는 도메인에 구애받지 않는 물리적 패턴을 학습하며, 대상 도메인을 제외하면 이러한 패턴이 더욱 효과적으로 전달됩니다. 리튬 이온 배터리 온도 외삽 벤치마크에서 DHG는 제약 없는 기준 모델보다 RMSE 46% 향상된 0.215를 달성했습니다.
DHG는 역컨파운딩 추정 및 백도어 조정을 결합하여 온도 혼란을 제거하고, 거칠기로부터 미세하게 물리적 제약 조건을 점진적으로 적용합니다.