본 논문은 열 확산 거동을 기반으로 재료의 열물리적 특성을 추정하는 역 열 문제를 다루며, 특히 건물 외관 리모델링이 건물 에너지 효율에 미치는 영향을 정량화하는 데 중점을 둔다. 환경적 변동성으로 인해 현장 측정 데이터로 역 열 문제를 해결하는 것은 오류가 발생하기 쉬우므로, 본 연구에서는 열화상 데이터를 기반으로 벽의 열전도도 k를 추정하기 위한 PINN(Physics-Informed Neural Network) 기반 반복 프레임워크를 제시한다. 이 프레임워크는 고정된 k 값에 대해 PINN으로 정방향 열 문제를 추정하고, 열화상과 PINN으로 예측된 표면 온도를 비교하여 k 값을 최적화하는 과정을 반복한다. 기상 관측소에서 수집된 환경 데이터와 유한 부피법(Finite-Volume-Method) 시뮬레이션으로 생성된 데이터를 사용하여 다양한 환경 조건 및 데이터 수집 샘플링 시간에 걸쳐 k 값을 정확하게 예측한다. 새벽 시간의 벽 온도 프로파일이 정상 상태에 가까울 때 정확도가 높으며, 정상 상태 가정을 위반하더라도 제안된 프레임워크는 최대 MAE 4.0851을 나타낸다.
