연구진은 과학적 머신러닝 모델의 정확성과 구성 가능성을 높이는 The Neural Compiler를 개발했어요. 이 시스템은 Scheme-like 표현 언어로 작성된 프로그램을 PyTorch 모듈로 변환하여, 기존 방식의 한계를 극복합니다.
The Neural Compiler는 알려진 물리 법칙을 정확하게 반영하고, 학습 가능한 구성 요소는 미지의 부분을 모델링하여 하이브리드 모델을 구축합니다.
실험 결과, 컴파일된 모듈은 수치적으로 손으로 코딩된 PyTorch 구현과 일치하며, 1~4개의 학습 파라미터로 물리 상수 복구에 성공했습니다. 기존 PINN 방식보다 훨씬 효율적입니다.
이 시스템은 51가지 기본 연산을 지원하며, 과학적 설명을 실행 가능한 가변 모듈로 변환하는 LLM의 자연스러운 타겟이 될 수 있습니다.