#Physics-Informed Neural Networks

4개의 포스트

2026.04.17

PINNacle 완전 해부 — Physics-Informed Neural Networks는 왜 기대만큼 쉽지 않았나

2019년엔 물리 법칙을 배운 신경망이 과학 시뮬레이션의 미래처럼 보였다. 2023년 PINNacle은 그 기대를 22개 PDE 위에서 냉정하게 시험했고, 2026년의 우리는 그 결과를 통해 PINN의 진짜 역할을 다시 정의하게 됐다.

코어닷투데이42분

PINN은 왜 자꾸 경직되는가 — ill-conditioning, Jacobian, TSONN으로 읽는 핵심 논문

기술PINNPhysics-Informed Neural Networks

2026.04.11

PINN은 왜 자꾸 경직되는가 — ill-conditioning, Jacobian, TSONN으로 읽는 핵심 논문

PINN은 왜 복잡한 PDE에서 자주 수렴하지 않을까? Jacobian condition number 관점에서 이 문제를 해부한 핵심 논문을 중심으로, controlled system, TSONN, 실제 유동 해석 사례, 그리고 2026년 현재 이 아이디어의 역할까지 쉽고 깊게 풀어본다.

코어닷투데이42분

PINN의 손실은 왜 서로 싸우는가 — gradient pathology에서 2026년의 해법까지

특집PINNPhysics-Informed Neural Networks

2026.04.08

PINN의 손실은 왜 서로 싸우는가 — gradient pathology에서 2026년의 해법까지

PINN은 왜 PDE를 손실에 넣고도 자주 학습이 무너질까? Lagaris와 Raissi의 약속에서 출발해 gradient pathology, learning rate annealing, architecture 개선, NTK 분석, domain decomposition, NewPINNs까지 2026년 현재의 해법 지형을 깊고 읽기 쉽게 정리한다.

코어닷투데이42분

PINN은 왜 시간 문제에서 자꾸 무너질까 — causal training으로 다시 읽는 학습 실패의 구조

특집PINNcausal training

2026.04.02

PINN은 왜 시간 문제에서 자꾸 무너질까 — causal training으로 다시 읽는 학습 실패의 구조

시간 의존 PDE에서 PINN은 왜 자주 실패할까? 2022년 causal training 논문을 중심으로, 시간축 causality를 무시한 훈련이 만드는 병목과 그 처방, 그리고 2026년 현재 이 기술의 실제 자리를 쉽고 깊게 풀어본다.

코어닷투데이36분