본 연구는 학습된 물리학 정보 신경망(PINNs)의 가중치 행렬이 무작위성을 띠는 현상을 탐구하고, 이러한 가중치 구조가 신호 전파 및 안정성에 미치는 영향을 신경 편미분 방정식(Neural PDE) 관점에서 분석합니다. 1차원 부르거 방정식에 대한 실험을 통해 학습된 가중치는 무작위 행렬 이론과 일치하는 높은 엔트로피 영역에 존재함을 보였으며, 신경 PDE의 특정 이산화와 연결하여 가중치 구조가 수치적 안정성에 따라 신호 전파를 조절함을 입증했습니다.
🔑 시사점 및 한계
•
학습된 PINNs 가중치의 무작위성은 무작위 행렬 이론으로 설명될 수 있으며, 이는 신경망 내부의 신호 전파 특성과 밀접하게 연관됩니다.
•
신경망 내부의 신호 전파 안정성은 신경 PDE의 수치적 안정성과 직접적으로 연결되며, 안정적인 이산화 방식은 더 나은 신호 전파를 보장합니다.
•
본 연구는 특정 신경 PDE와 단순한 신경망 구조에 집중했으므로, 더 복잡한 물리 시스템 및 다양한 신경망 아키텍처에 대한 확장성 검증이 필요합니다.
