본 논문은 물리학 기반 머신 러닝(PIML)의 생물학 분야 적용을 위한 확장된 접근 방식인 생물학 기반 머신 러닝(BIML)을 제안합니다. BIML은 PIML의 구조적 기반을 유지하면서 생물학적 현실에 적응하도록 설계되었으며, 불확실한 사전 지식, 다양한 데이터, 부분 관측 가능성 및 복잡한 네트워크와 같은 생물학적 모델링의 고유한 과제를 해결합니다. BIML은 불확실성 정량화, 컨텍스트화, 제약된 잠재 구조 추론 및 확장성이라는 네 가지 핵심 기둥을 기반으로 하며, 파운데이션 모델 및 대규모 언어 모델을 활용하여 전문 지식과 계산 모델링 간의 격차를 해소합니다.
