물리 법칙 준수 머신러닝: 출력 투영 기법

데이터 기반 머신러닝 모델은 방대한 데이터셋을 요구하며, 예측 결과가 물리 법칙을 위반하는 경우가 많습니다. 기존의 물리적 사전 지식 통합 방식은 물리 법칙 위반에 페널티를 부여하거나, 특정 불변량을 만족하는 아키텍처를 설계하는 방식이었습니다. 그러나 페널티 방식은 미지의 입력에 대한 물리적 제약 준수를 보장하지 못하며, 불변량 기반 방법은 유연성과 일반성이 부족하다는 한계가 있습니다. 본 연구에서는 모델 출력을 물리 법칙으로 정의된 다양체(manifold)에 직접 투영함으로써 물리적 원칙 준수를 강제하는 머신러닝 방법을 제안합니다. 이 투영 절차는 예측이 선택된 물리적 제약 조건을 본질적으로 따르도록 보장하여 신뢰성과 해석 가능성을 향상시킵니다. 제안된 방법은 용수철-질량 시스템과 저온 반응성 플라즈마라는 두 가지 시스템에 적용되었습니다. 순수 데이터 기반 모델과 비교했을 때, 본 접근 방식은 물리 법칙 준수 오류를 줄이고 물리량 예측 정확도를 높였으며, 단순 모델 또는 제한된 데이터셋 환경에서 기존 대안보다 우수한 성능을 보였습니다. 이 투영 기반 기술은 다목적이며 독립적으로 또는 기존의 물리 정보 신경망과 함께 활용될 수 있습니다. 이는 복잡한 물리 시스템의 빠르고 신뢰할 수 있는 대리 모델을 개발하기 위한 해석 가능하고 일반적이며 확장 가능한 솔루션을 제공하며, 특히 자원 제약이 있는 시나리오에서 유용합니다.