要約
物理学は観測と理論の相互作用から構築される自然に関する知識を伝えますが、深層ニューラルネットワークにおいてはその重要性が相対的に低いと考えられてきました。特に、知識が明示的に与えられることが少ない場合に物理学的挙動を利用した研究はほとんどありません。本研究では、ドメインエキスパートから得られる暗黙的な物理学的知識を潜在空間に組み込む新しいアーキテクチャである微分可能な物理学情報付きグラフネットワーク（Differentiable Physics-informed Graph Networks: DPGN）を提案します。DPGNの概念を使用して、気候予測タスクの性能が大幅に向上することを示します。実験結果だけでなく、提案モジュールの有効性を検証し、DPGNのさらなる応用例として帰納学習や多段階予測などを提供します。