본 논문은 부분 미분 방정식(PDE) 기반 물리 모델의 수치 해석적 풀이가 계산 비용이 많이 드는 문제를 해결하기 위해, 데이터 기반 서로게이트 모델을 제안한다. 기존 서로게이트 모델 학습 시 데이터 불균형 문제를 해결하고자, 적응적 샘플링 알고리즘(ASADG)을 제시한다. ASADG는 반응 다양체(response manifold)를 효과적으로 표현하지 못하는 초기 입력 데이터의 한계를 극복하고자, 반응 다양체를 단순 복합체로 이산화하여 각 단순 복합체의 중심을 새로운 입력 데이터로 추가하는 반복적인 과정을 통해 데이터를 생성한다. 논문에서는 고조파 수송 문제를 예시로 들어, LHS(Latin Hypercube Sampling) 방법과 비교하여 ASADG의 효율성을 보여주며, 동일한 수의 입력 데이터로 더 나은 반응 다양체 표현을 제공함을 입증한다.
