연구진은 편미분 방정식 해를 위한 신경 연산자의 데이터 요구량을 줄이기 위해 물리 기반 능동 학습 알고리즘을 개발했어요. 이 알고리즘은 편미분 방정식 잔차를 활용하여 가장 유용한 데이터를 선택하도록 안내합니다. 1D Burgers 방정식과 2D 가스역학 방정식에 대한 실험에서 기존 방식보다 데이터 효율성이 뛰어난 것으로 나타났어요.
물리 기반 능동 학습은 모델의 물리적 이해가 부족한 부분에 집중하여 시뮬레이션 비용을 효율적으로 사용하도록 돕는 독특한 장점을 가지고 있어요. 기존 방식과 동등한 데이터 효율성을 보이면서도 물리적 제약 조건을 학습에 반영하여 성능을 향상시켰어요.
연구 결과는 신경 연산자 훈련 과정에 물리적 지식을 주입하는 능동 학습 방식의 가능성을 보여줍니다.