연구진이 언어 모델 아키텍처를 활용해 희소 측정으로부터 유동장을 재구성하는 새로운 프레임워크를 제안했어요. 유동장 재구성을 시퀀스-투-시퀀스 학습 문제로 재정의하여, 희소 측정값을 맥락으로, 관측되지 않은 위치를 쿼리로 처리합니다.
제안된 방법은 2D 와류, 미국 온도 데이터, 3D 혈류 시뮬레이션, 3D 난류 제트 유동 측정 등 4개 벤치마크 데이터셋에서 경쟁력 있는 재구성 정확도를 보여줬어요. 데이터의 10% 미만을 관측해도 효율적인 성능을 달성했습니다.
연구 결과는 과학 데이터 재구성에 언어 모델의 잠재력을 강조하며, 과학 및 공학 분야의 기초 모델 개발에 대한 유망한 방향을 제시합니다.