본 논문은 기후 변화 완화 결정에서 모호성 회피를 통합한 모델에서 발생하는 고차원 최적 제어 문제를 해결하기 위한 신경망 기반 접근 방식을 탐구한다. 다양한 완화 경로(무배출 자본 및 탄소 강도 감소 포함)를 고려하는 연속 시간 내생적 성장 경제 모델을 개발하고, 기존 수치 방법의 계산상의 어려움을 극복하기 위해 신경망 아키텍처를 활용한다. 유한 차분으로 생성된 솔루션과 여러 신경망 아키텍처를 비교 분석하여 불확실성, 기술 전환 및 최적 기후 정책 간의 동적 상호 작용을 포착하는 능력을 평가한다. 결과적으로 적절한 신경망 아키텍처 선택이 불확실성 하에서 기후 경제 시스템을 모델링할 때 해의 정확성과 계산 효율성 모두에 큰 영향을 미친다는 것을 보여준다. 이러한 방법론적 발전은 기술 전환과 불확실성을 더 잘 반영하여 기후 변화에 대한 효과적인 완화 전략 개발을 가능하게 한다.
