본 논문에서는 물리 정보 신경망(PINN)과 순차적 인코딩(Sequence Encoding)을 통합하여 변수 매개변수, 경계 조건 및 초기 조건을 갖는 실시간 응용 프로그램에 사용할 수 있는 모델을 개발했습니다. 기존 PINN과 Sparse Regression을 결합한 방법은 매개변수 또는 경계 및 초기 조건의 변화가 있을 때마다 모델을 재훈련해야 하는 한계가 있습니다. 본 연구에서는 Deep Sets 또는 Sequence Encoders를 사용하여 동적 매개변수, 경계 조건 및 초기 조건을 인코딩하고, 이러한 인코딩된 특징을 PINN의 입력으로 사용하여 매개변수, 경계 조건 및 초기 조건의 변화에 적응할 수 있는 아키텍처를 제시합니다. Rossler ODE 시스템, 2차원 Navier-Stokes PDE 문제(원통 주위 흐름), 그리고 유리 섬유 및 열가소성 복합판 가열에 대한 1차원 열 모니터링 문제에 대한 세 가지 실험을 통해 제안된 방법의 성능을 검증했습니다.
