미분 정보 활용 그래프 오토인코더 기반 Lifshitz-Petrich 모델 위상 분류
Lifshitz-Petrich (LP) 모델은 준결정 및 다상 구조와 같은 복잡한 공간 패턴을 설명하는 고전 모델입니다. 그러나 고차 미분항과 준결정의 장거리 배향 질서 특성으로 인해 LP 모델의 해를 구하고 분류하는 것은 매우 어렵습니다. 본 연구는 이러한 난제를 해결하고자, LP 모델의 다성분 다상 해를 분류하기 위한 미분 정보 활용 그래프 합성곱 오토인코더(DiGCA)를 제안합니다. 제안하는 분류기는 두 단계로 구성됩니다. 오프라인 단계에서는 DiGCA 위상 분류기가 해와 그 미분 정보를 모두 활용하여 그래프 합성곱 오토인코더를 훈련합니다. 이는 복잡한 공간 의존성을 효과적으로 포착하면서 해 공간의 차원을 크게 줄이는 혁신적인 접근 방식입니다. 온라인 단계에서는 신경망 분류기를 사용하여 인코딩된 해를 명확한 위상 다이어그램으로 효율적으로 분류합니다. 수치 결과는 DiGCA 위상 분류기가 LP 모델을 정확하게 풀고, 그 해를 분류하며, 상세한 위상 다이어그램을 견고하게 생성함을 보여줍니다. 이는 기존 방법론 대비 효율성과 정확도 면에서 상당한 개선을 제공하며, 복잡한 공간 패턴 모델링 및 분석 분야에 중요한 기여를 할 것으로 기대됩니다.