비선형 유한요소 해 연산자 학습
본 연구는 편미분 방정식(PDE)으로 기술되는 비선형 문제의 해 연산자를 학습하는 방법론을 개발하고 평가합니다. 이 접근 방식은 유한요소 이산화를 기반으로 하며, 문제 데이터 변수를 입력으로 받아 유한요소 해를 예측하는 다층 퍼셉트론(MLP)을 통해 해 연산자를 표현합니다. 입력 변수는 경계 조건, 계수, 우변 등 입력 데이터의 매개변수화에 해당하며, 출력은 해당 유한요소 해의 근사치입니다. 손실 함수로는 PDE의 에너지 범함수를 활용하여 각 요소에서 에너지를 국부적으로 조립하는 효율적인 병렬 학습 알고리즘을 구현합니다. 대규모 문제의 경우, 각 반복에서 메쉬 내 무작위로 선택된 일부 요소만을 사용하여 학습 과정을 효율적으로 수행할 수 있습니다. 개발된 방법론은 여러 관련 테스트 사례에서 평가되었으며, 유한요소 해 연산자를 학습하는 것이 그 자체로 유익할 뿐만 아니라 표준 유한요소법(FEM) 이론 및 소프트웨어와의 결합을 통해 더욱 효과적임이 입증되었습니다. 이 연구는 비선형 PDE 문제 해결을 위한 새로운 딥러닝 기반 접근 방식을 제시하며, 기존 유한요소법과의 시너지를 통해 복잡한 공학 및 과학 문제 해결에 기여할 수 있습니다.