본 논문은 데이터 효율성, 실시간 처리, 제한된 센싱 범위 내 배치를 위한 현대 센싱 요구 사항에 대응하기 위해, 시뮬레이션 모델과 실제 센서 데이터를 통합하는 기계 학습 프레임워크 DA-SHRED(Data Assimilation with a SHallow REcurrent Decoder)를 제안합니다. DA-SHRED는 SHRED를 통해 학습된 잠재 공간을 활용하여 시뮬레이션 모델과 실험 데이터를 연결하고, 희소 센서 측정값으로부터 전체 시스템 상태를 정확하게 재구성합니다. 또한, 잠재 공간에서 비선형 역학의 희소 식별을 기반으로 하는 회귀 모델을 통합하여 시뮬레이션 모델에서 누락된 역학을 식별합니다. DA-SHRED는 SIM2REAL 갭을 성공적으로 줄이고 복잡한 시스템에서 누락된 역학을 복구하여, 효율적인 시간 인코딩과 물리학 기반 보정을 통해 견고한 데이터 동화를 가능하게 함을 보여줍니다.
