초록
물리학은 관측과 이론 사이의 상호작용을 통해 자연에 대한 지식을 전달하지만, 깊은 신경망에서는 그 중요성이 덜 강조되어 왔습니다. 특히, 지식이 명시적으로 주어지지 않는 경우 물리학적 행동을 활용하는 연구가 거의 없습니다. 본 연구에서는 도메인 전문가로부터 암시적으로 제공되는 물리학적 지식을 잠재 공간에서 알려주는 새로운 아키텍처인 미분 가능한 물리학 정보 그래프 네트워크(Differentiable Physics-informed Graph Networks, DPGN)를 제안합니다. DPGN 개념을 사용하여 기후 예측 작업이 크게 향상됨을 보여주었습니다. 실험 결과뿐만 아니라, 제안된 모듈의 유효성을 검증하고 DPGN의 추가적인 응용 사례, 예를 들어 귀납 학습 및 다단계 예측 등을 제공합니다.