#Physics-Informed Learning

4개의 포스트

2026.04.19

PINN은 왜 자꾸 학습에 실패하는가 — NTK 관점으로 다시 읽는 문제의 핵심

PINN은 왜 고주파·다중 스케일 문제에서 자주 무너질까? NTK 관점으로 학습 실패의 구조를 해부한 고전 논문을 중심으로, PINN의 병목과 해결 전략, 그리고 2026년 현재 이 통찰이 어디까지 이어졌는지 깊고 쉽게 풀어본다.

코어닷투데이48분

PINN은 왜 자꾸 딴길로 샐까 — Gradient Alignment와 2차 최적화로 다시 읽는 물리 AI

특집PINNGradient Alignment

2026.03.20

PINN은 왜 자꾸 딴길로 샐까 — Gradient Alignment와 2차 최적화로 다시 읽는 물리 AI

PINN은 왜 물리식을 알고도 자주 학습에 실패할까? Gradient Alignment 논문을 중심으로, gradient conflict의 정체, SOAP와 Newton 계열 preconditioning의 의미, 그리고 2026년 현재 PINN의 역할까지 쉽고 깊게 풀어본다.

코어닷투데이45분

FP64 is All You Need — PINN 실패 모드를 다시 생각하다

특집PINNFP64

2026.03.13

FP64 is All You Need — PINN 실패 모드를 다시 생각하다

모두가 BF16과 FP8을 외치는 시대에, 한 논문은 정반대로 말한다. PINN의 유명한 실패 모드는 로컬 최솟값보다 '정밀도가 부족한 조기 정지'에 더 가깝다는 것. 이 도발적인 논문을 출발점으로, PINN의 역사와 실패 사례, FP64의 의미, 그리고 2026년 과학 AI에서 이 기술의 자리를 쉽고 깊게 풀어본다.

코어닷투데이40분

PINN은 왜 자꾸 학습에 실패하는가 — Loss Landscape 관점으로 다시 읽는 훈련의 핵심

특집PINNScientific ML

2026.03.06

PINN은 왜 자꾸 학습에 실패하는가 — Loss Landscape 관점으로 다시 읽는 훈련의 핵심

PINN은 왜 물리식을 알고도 자주 무너질까? ICML 2024의 대표 논문을 중심으로, Hessian 스펙트럼, ill-conditioning, Adam-L-BFGS-NNCG의 역할, 그리고 2026년 현재 PINN 최적화 문헌사의 흐름까지 깊고 쉽게 해설한다.

코어닷투데이45분