본 논문은 Lie 대칭을 사용하여 초기-경계치 문제(IBVP)를 효율적으로 해결하는 방법을 제시한다. Lie 대칭을 활용하여 관련된 편미분 방정식(PDE)을 정확하게 구현함으로써, 모델은 물리 법칙을 내재적으로 통합하고 초기 및 경계 데이터로부터 해를 학습한다. 이로 인해 손실 함수는 모델의 정확도를 직접적으로 측정하며, 이는 향상된 수렴으로 이어진다. 또한, 잘 정의된 IBVP의 경우, 엄격한 오차 추정을 가능하게 한다. 이 방법은 컴팩트한 모델을 생성하여 효율적인 최적화를 용이하게 한다. LieSolver를 구현하여 다양한 초기 조건을 가진 선형 균질 PDE에 적용, physics-informed neural networks (PINN)보다 빠르고 정확함을 입증했다. 전반적으로, 본 방법은 PDE 제약 문제에 대한 계산 효율성과 예측의 신뢰성을 향상시킨다.