본 논문은 편미분 방정식(PDE) 풀이를 코드 생성 작업으로 규정하고, 대규모 언어 모델(LLM)을 사용하여 PDE 풀이기를 생성하는 최초의 추론 프레임워크인 CodePDE를 제시합니다. 기존의 수치적 풀이기는 전문 지식과 높은 계산 비용을 필요로 하고, 신경망 기반 풀이기는 대규모 학습 데이터셋과 해석성 부족이라는 단점이 있습니다. CodePDE는 고급 추론 시간 알고리즘과 확장 전략을 활용하여 추론, 디버깅, 자기 개선, 테스트 시간 확장 등 LLM의 중요한 기능을 활용하여 작업별 조정 없이 초인적 성능을 달성합니다. 다양한 PDE 문제에 대한 정확성, 효율성, 수치적 기법 선택에 대한 체계적인 실험 분석도 제시하며, PDE 풀이에 대한 LLM의 가능성과 한계를 강조합니다.
