본 논문은 편미분 방정식(PDE)을 풀기 위한 물리학 기반 딥러닝(PINN)의 성능 향상을 위해 하이브리드 적응적 샘플링 및 가중치 방법을 제안합니다. 이 방법은 급격한 변화가 있는 영역에서 훈련 지점을 식별하는 적응적 샘플링과 훈련 지점 간의 수렴 속도를 균형 있게 조정하는 적응적 가중치를 결합합니다. 실험 결과는 적응적 샘플링 또는 가중치만으로는 정확한 예측을 일관되게 달성하기 어렵고, 특히 훈련 지점이 부족할 경우 더욱 그렇다는 것을 보여줍니다. 두 전략을 모두 결합함으로써 예측 정확도와 훈련 효율성이 향상됩니다.
