본 논문은 최적 제어 문제를 해결하기 위한 신경망 기반 접근법을 제시합니다. 기존 방식은 데이터, 미분 방정식 잔차, 목적 비용을 고려한 결합 손실 함수를 사용하여 신경망을 훈련하는 반면, 본 논문에서는 최적 제어 문제와 훈련 과정을 분리하여 비용 함수를 훈련 과정에 포함시키는 것이 불필요함을 보여줍니다. DeepONet과 같은 간단한 신경 연산자 구조와 제약 없는 최적화 루틴을 결합하여, 단일 물리 정보 기반 훈련 단계와 그 이후의 최적화 단계를 통해 여러 최적 제어 문제를 해결할 수 있음을 제시합니다. 미분 방정식 잔차를 기반으로 한 페널티 항을 비용 함수에 추가하고, 훈련된 신경 연산자를 통해 자동 미분을 사용하여 반복적인 최적화 루틴 내에서 제어에 대한 기울기를 계산합니다. 실험 결과는 실용적인 응용 프로그램에 적합한 정확도와 더 복잡하고 고차원적인 문제에 대한 잠재적인 계산 비용 절감 효과를 보여줍니다.
